Enregistré dans:
| Auteurs principaux: | Lin, Leonard, Lensenmayer, Adam |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2601.00223 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
An Analysis on Automated Metrics for Evaluating Japanese-English Chat Translation
par: Rusli, Andre, et autres
Publié: (2024)
par: Rusli, Andre, et autres
Publié: (2024)
Mutarjim: Advancing Bidirectional Arabic-English Translation with a Small Language Model
par: Hennara, Khalil, et autres
Publié: (2025)
par: Hennara, Khalil, et autres
Publié: (2025)
Blinded Radiologist and LLM-Based Evaluation of LLM-Generated Japanese Translations of Chest CT Reports: Comparative Study
par: Yamagishi, Yosuke, et autres
Publié: (2026)
par: Yamagishi, Yosuke, et autres
Publié: (2026)
MPCI-Bench: A Benchmark for Multimodal Pairwise Contextual Integrity Evaluation of Language Model Agents
par: Wang, Shouju, et autres
Publié: (2026)
par: Wang, Shouju, et autres
Publié: (2026)
LITERA: An LLM Based Approach to Latin-to-English Translation
par: Rosu, Paul
Publié: (2025)
par: Rosu, Paul
Publié: (2025)
The Role of Handling Attributive Nouns in Improving Chinese-To-English Machine Translation
par: Wang, Lisa, et autres
Publié: (2024)
par: Wang, Lisa, et autres
Publié: (2024)
FairTranslate: An English-French Dataset for Gender Bias Evaluation in Machine Translation by Overcoming Gender Binarity
par: Jourdan, Fanny, et autres
Publié: (2025)
par: Jourdan, Fanny, et autres
Publié: (2025)
NC-Bench: An LLM Benchmark for Evaluating Conversational Competence
par: Moore, Robert J., et autres
Publié: (2026)
par: Moore, Robert J., et autres
Publié: (2026)
Sentiment Analysis Across Languages: Evaluation Before and After Machine Translation to English
par: Kathunia, Aekansh, et autres
Publié: (2024)
par: Kathunia, Aekansh, et autres
Publié: (2024)
SemBench: A Universal Semantic Framework for LLM Evaluation
par: Zubillaga, Mikel, et autres
Publié: (2026)
par: Zubillaga, Mikel, et autres
Publié: (2026)
Mobile-Bench: An Evaluation Benchmark for LLM-based Mobile Agents
par: Deng, Shihan, et autres
Publié: (2024)
par: Deng, Shihan, et autres
Publié: (2024)
GameBench: Evaluating Strategic Reasoning Abilities of LLM Agents
par: Costarelli, Anthony, et autres
Publié: (2024)
par: Costarelli, Anthony, et autres
Publié: (2024)
Fairness or Fluency? An Investigation into Language Bias of Pairwise LLM-as-a-Judge
par: Zhou, Xiaolin, et autres
Publié: (2026)
par: Zhou, Xiaolin, et autres
Publié: (2026)
JMedEthicBench: A Multi-Turn Conversational Benchmark for Evaluating Medical Safety in Japanese Large Language Models
par: Liu, Junyu, et autres
Publié: (2026)
par: Liu, Junyu, et autres
Publié: (2026)
Trainable Reference-Based Evaluation Metric for Identifying Quality of English-Gujarati Machine Translation System
par: Joshi, Nisheeth, et autres
Publié: (2025)
par: Joshi, Nisheeth, et autres
Publié: (2025)
Evaluating Reward Model Generalization via Pairwise Maximum Discrepancy Competitions
par: Luo, Shunyang, et autres
Publié: (2026)
par: Luo, Shunyang, et autres
Publié: (2026)
Déjà Vu: Multilingual LLM Evaluation through the Lens of Machine Translation Evaluation
par: Kreutzer, Julia, et autres
Publié: (2025)
par: Kreutzer, Julia, et autres
Publié: (2025)
WebNovelBench: Placing LLM Novelists on the Web Novel Distribution
par: Lin, Leon, et autres
Publié: (2025)
par: Lin, Leon, et autres
Publié: (2025)
MemBench: Towards More Comprehensive Evaluation on the Memory of LLM-based Agents
par: Tan, Haoran, et autres
Publié: (2025)
par: Tan, Haoran, et autres
Publié: (2025)
EvolvR: Self-Evolving Pairwise Reasoning for Story Evaluation to Enhance Generation
par: Wang, Xinda, et autres
Publié: (2025)
par: Wang, Xinda, et autres
Publié: (2025)
ChiEngMixBench: Evaluating Large Language Models on Spontaneous and Natural Chinese-English Code-Mixed Generation
par: Yang, Qingyan, et autres
Publié: (2026)
par: Yang, Qingyan, et autres
Publié: (2026)
Predicting Anchored Text from Translation Memories for Machine Translation Using Deep Learning Methods
par: Yue, Richard, et autres
Publié: (2024)
par: Yue, Richard, et autres
Publié: (2024)
Knockout LLM Assessment: Using Large Language Models for Evaluations through Iterative Pairwise Comparisons
par: Sandan, Isik Baran, et autres
Publié: (2025)
par: Sandan, Isik Baran, et autres
Publié: (2025)
CANTONMT: Investigating Back-Translation and Model-Switch Mechanisms for Cantonese-English Neural Machine Translation
par: Hong, Kung Yin, et autres
Publié: (2024)
par: Hong, Kung Yin, et autres
Publié: (2024)
ViBidirectionMT-Eval: Machine Translation for Vietnamese-Chinese and Vietnamese-Lao language pair
par: Tran, Hong-Viet, et autres
Publié: (2025)
par: Tran, Hong-Viet, et autres
Publié: (2025)
Improving Statistical Significance in Human Evaluation of Automatic Metrics via Soft Pairwise Accuracy
par: Thompson, Brian, et autres
Publié: (2024)
par: Thompson, Brian, et autres
Publié: (2024)
ReplicatorBench: Benchmarking LLM Agents for Replicability in Social and Behavioral Sciences
par: Nguyen, Bang, et autres
Publié: (2026)
par: Nguyen, Bang, et autres
Publié: (2026)
JudgeBench: A Benchmark for Evaluating LLM-based Judges
par: Tan, Sijun, et autres
Publié: (2024)
par: Tan, Sijun, et autres
Publié: (2024)
ActuBench: A Multi-Agent LLM Pipeline for Generation and Evaluation of Actuarial Reasoning Tasks
par: Schmidt, Jan-Philipp
Publié: (2026)
par: Schmidt, Jan-Philipp
Publié: (2026)
TreePrompt: Leveraging Hierarchical Few-Shot Example Selection for Improved English-Persian and English-German Translation
par: Kakavand, Ramtin, et autres
Publié: (2025)
par: Kakavand, Ramtin, et autres
Publié: (2025)
MTQE.en-he: Machine Translation Quality Estimation for English-Hebrew
par: Rosenbaum, Andy, et autres
Publié: (2026)
par: Rosenbaum, Andy, et autres
Publié: (2026)
QueEn: A Large Language Model for Quechua-English Translation
par: Chen, Junhao, et autres
Publié: (2024)
par: Chen, Junhao, et autres
Publié: (2024)
JETHICS: Japanese Ethics Understanding Evaluation Dataset
par: Takeshita, Masashi, et autres
Publié: (2025)
par: Takeshita, Masashi, et autres
Publié: (2025)
MultiAgentBench: Evaluating the Collaboration and Competition of LLM agents
par: Zhu, Kunlun, et autres
Publié: (2025)
par: Zhu, Kunlun, et autres
Publié: (2025)
OckBench: Measuring the Efficiency of LLM Reasoning
par: Du, Zheng, et autres
Publié: (2025)
par: Du, Zheng, et autres
Publié: (2025)
Pair2Score: Pairwise-to-Absolute Transfer for LLM-Based Essay Scoring
par: Hallaç, İbrahim Rıza, et autres
Publié: (2026)
par: Hallaç, İbrahim Rıza, et autres
Publié: (2026)
GlobalDentBench: A Multinational Benchmark for Evaluating LLM Clinical Reasoning in Dentistry with Expert Calibration
par: Zhao, Junjie, et autres
Publié: (2026)
par: Zhao, Junjie, et autres
Publié: (2026)
LLM Prompt Evaluation for Educational Applications
par: Holmes, Langdon, et autres
Publié: (2026)
par: Holmes, Langdon, et autres
Publié: (2026)
Direct-Scoring NLG Evaluators Can Use Pairwise Comparisons Too
par: Lawrence, Logan, et autres
Publié: (2025)
par: Lawrence, Logan, et autres
Publié: (2025)
MoralBench: Moral Evaluation of LLMs
par: Ji, Jianchao, et autres
Publié: (2024)
par: Ji, Jianchao, et autres
Publié: (2024)
Documents similaires
-
An Analysis on Automated Metrics for Evaluating Japanese-English Chat Translation
par: Rusli, Andre, et autres
Publié: (2024) -
Mutarjim: Advancing Bidirectional Arabic-English Translation with a Small Language Model
par: Hennara, Khalil, et autres
Publié: (2025) -
Blinded Radiologist and LLM-Based Evaluation of LLM-Generated Japanese Translations of Chest CT Reports: Comparative Study
par: Yamagishi, Yosuke, et autres
Publié: (2026) -
MPCI-Bench: A Benchmark for Multimodal Pairwise Contextual Integrity Evaluation of Language Model Agents
par: Wang, Shouju, et autres
Publié: (2026) -
LITERA: An LLM Based Approach to Latin-to-English Translation
par: Rosu, Paul
Publié: (2025)