ErrEval: Error-Aware Evaluation for Question Generation through Explicit Diagnostics
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Fu, Weiping, Wei, Bifan, Hao, Jingyi, Zhang, Yushun, Zhang, Jian, Wang, Jiaxin, Li, Bo, He, Yu, Zhang, Lingling, Liu, Jun |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
QGEval: Benchmarking Multi-dimensional Evaluation for Question Generation
par: Fu, Weiping, et autres
Publié: (2024)
par: Fu, Weiping, et autres
Publié: (2024)
GeoChallenge: A Multi-Answer Multiple-Choice Benchmark for Geometric Reasoning with Diagrams
par: Zhang, Yushun, et autres
Publié: (2026)
par: Zhang, Yushun, et autres
Publié: (2026)
Dual-Cluster Memory Agent: Resolving Multi-Paradigm Ambiguity in Optimization Problem Solving
par: Zhang, Xinyu, et autres
Publié: (2026)
par: Zhang, Xinyu, et autres
Publié: (2026)
GeoLaux: A Benchmark for Evaluating MLLMs' Geometry Performance on Long-Step Problems Requiring Auxiliary Lines
par: Fu, Yumeng, et autres
Publié: (2025)
par: Fu, Yumeng, et autres
Publié: (2025)
GKG-LLM: A Unified Framework for Generalized Knowledge Graph Construction
par: Zhang, Jian, et autres
Publié: (2025)
par: Zhang, Jian, et autres
Publié: (2025)
MedErr-CT: A Visual Question Answering Benchmark for Identifying and Correcting Errors in CT Reports
par: Kyung, Sunggu, et autres
Publié: (2025)
par: Kyung, Sunggu, et autres
Publié: (2025)
OptiVerse: A Comprehensive Benchmark towards Optimization Problem Solving
par: Zhang, Xinyu, et autres
Publié: (2026)
par: Zhang, Xinyu, et autres
Publié: (2026)
To Err Is Human: Systematic Quantification of Errors in Published AI Papers via LLM Analysis
par: Bianchi, Federico, et autres
Publié: (2025)
par: Bianchi, Federico, et autres
Publié: (2025)
Learning from Semi-Factuals: A Debiased and Semantic-Aware Framework for Generalized Relation Discovery
par: Wang, Jiaxin, et autres
Publié: (2024)
par: Wang, Jiaxin, et autres
Publié: (2024)
ReDiffuse: Rotation Equivariant Diffusion Model for Multi-focus Image Fusion
par: Li, Bo, et autres
Publié: (2026)
par: Li, Bo, et autres
Publié: (2026)
$\textbf{AGT$^{AO}$}$: Robust and Stabilized LLM Unlearning via Adversarial Gating Training with Adaptive Orthogonality
par: Li, Pengyu, et autres
Publié: (2026)
par: Li, Pengyu, et autres
Publié: (2026)
Diagram-Driven Course Questions Generation
par: Zhang, Xinyu, et autres
Publié: (2024)
par: Zhang, Xinyu, et autres
Publié: (2024)
To Err is Robotic: Rapid Value-Based Trial-and-Error during Deployment
par: Du, Maximilian, et autres
Publié: (2024)
par: Du, Maximilian, et autres
Publié: (2024)
MetaErr: Towards Predicting Error Patterns in Deep Neural Networks
par: Totakura, Varun, et autres
Publié: (2026)
par: Totakura, Varun, et autres
Publié: (2026)
Real‐World Evidence on Hospitalization Costs of Pediatric Neoplasm Patients in China: Patterns, Trends, and Associated Factors From a Retrospective Cohort Study
par: Peng Zhang, et autres
Publié: (2026)
par: Peng Zhang, et autres
Publié: (2026)
CoderEval: A Benchmark of Pragmatic Code Generation with Generative Pre-trained Models
par: Yu, Hao, et autres
Publié: (2023)
par: Yu, Hao, et autres
Publié: (2023)
Hierarchical Alignment-enhanced Adaptive Grounding Network for Generalized Referring Expression Comprehension
par: Wang, Yaxian, et autres
Publié: (2025)
par: Wang, Yaxian, et autres
Publié: (2025)
VariErr NLI: Separating Annotation Error from Human Label Variation
par: Weber-Genzel, Leon, et autres
Publié: (2024)
par: Weber-Genzel, Leon, et autres
Publié: (2024)
VProChart: Answering Chart Question through Visual Perception Alignment Agent and Programmatic Solution Reasoning
par: Huang, Muye, et autres
Publié: (2024)
par: Huang, Muye, et autres
Publié: (2024)
MolErr2Fix: Benchmarking LLM Trustworthiness in Chemistry via Modular Error Detection, Localization, Explanation, and Revision
par: Wu, Yuyang, et autres
Publié: (2025)
par: Wu, Yuyang, et autres
Publié: (2025)
MedErrBench: A Fine-Grained Multilingual Benchmark for Medical Error Detection and Correction with Clinical Expert Annotations
par: Ma, Congbo, et autres
Publié: (2026)
par: Ma, Congbo, et autres
Publié: (2026)
RepEval: Effective Text Evaluation with LLM Representation
par: Sheng, Shuqian, et autres
Publié: (2024)
par: Sheng, Shuqian, et autres
Publié: (2024)
Neurodynamics-Driven Coupled Neural P Systems for Multi-Focus Image Fusion
par: Li, Bo, et autres
Publié: (2025)
par: Li, Bo, et autres
Publié: (2025)
Towards Flexible Evaluation for Generative Visual Question Answering
par: Ji, Huishan, et autres
Publié: (2024)
par: Ji, Huishan, et autres
Publié: (2024)
GeoEval: Benchmark for Evaluating LLMs and Multi-Modal Models on Geometry Problem-Solving
par: Zhang, Jiaxin, et autres
Publié: (2024)
par: Zhang, Jiaxin, et autres
Publié: (2024)
Evaluating Input Feature Explanations through a Unified Diagnostic Evaluation Framework
par: Sun, Jingyi, et autres
Publié: (2024)
par: Sun, Jingyi, et autres
Publié: (2024)
A model reduction method based on nonlinear optimization for multiscale stochastic optimal control problems
par: Ma, Lingling, et autres
Publié: (2025)
par: Ma, Lingling, et autres
Publié: (2025)
LongSumEval: Question-Answering Based Evaluation and Feedback-Driven Refinement for Long Document Summarization
par: Nguyen, Huyen, et autres
Publié: (2026)
par: Nguyen, Huyen, et autres
Publié: (2026)
BP4ER: Bootstrap Prompting for Explicit Reasoning in Medical Dialogue Generation
par: He, Yuhong, et autres
Publié: (2024)
par: He, Yuhong, et autres
Publié: (2024)
Evaluating Intelligence via Trial and Error
par: Zhan, Jingtao, et autres
Publié: (2025)
par: Zhan, Jingtao, et autres
Publié: (2025)
HintEval: A Comprehensive Framework for Hint Generation and Evaluation for Questions
par: Mozafari, Jamshid, et autres
Publié: (2025)
par: Mozafari, Jamshid, et autres
Publié: (2025)
To Err Is AI! Debugging as an Intervention to Facilitate Appropriate Reliance on AI Systems
par: He, Gaole, et autres
Publié: (2024)
par: He, Gaole, et autres
Publié: (2024)
Erasing Doppler Dephasing Error in Rydberg Quantum Gates
par: Li, Rui, et autres
Publié: (2024)
par: Li, Rui, et autres
Publié: (2024)
To Err is Machine: Vulnerability Detection Challenges LLM Reasoning
par: Steenhoek, Benjamin, et autres
Publié: (2024)
par: Steenhoek, Benjamin, et autres
Publié: (2024)
M2G-Eval: Enhancing and Evaluating Multi-granularity Multilingual Code Generation
par: Xu, Fanglin, et autres
Publié: (2025)
par: Xu, Fanglin, et autres
Publié: (2025)
Concept-Guided Prompt Learning for Generalization in Vision-Language Models
par: Zhang, Yi, et autres
Publié: (2024)
par: Zhang, Yi, et autres
Publié: (2024)
How PC-based Methods Err: Towards Better Reporting of Assumption Violations and Small Sample Errors
par: Faltenbacher, Sofia, et autres
Publié: (2025)
par: Faltenbacher, Sofia, et autres
Publié: (2025)
LiCoEval: Evaluating LLMs on License Compliance in Code Generation
par: Xu, Weiwei, et autres
Publié: (2024)
par: Xu, Weiwei, et autres
Publié: (2024)
Adaptive finite‐time optimal time‐varying formation control for second‐order stochastic nonlinear multiagent systems
par: Jiaxin Zhang, et autres
Publié: (2024)
par: Jiaxin Zhang, et autres
Publié: (2024)
FairEval: Evaluating Fairness in LLM-Based Recommendations with Personality Awareness
par: Sah, Chandan Kumar, et autres
Publié: (2025)
par: Sah, Chandan Kumar, et autres
Publié: (2025)
Documents similaires
-
QGEval: Benchmarking Multi-dimensional Evaluation for Question Generation
par: Fu, Weiping, et autres
Publié: (2024) -
GeoChallenge: A Multi-Answer Multiple-Choice Benchmark for Geometric Reasoning with Diagrams
par: Zhang, Yushun, et autres
Publié: (2026) -
Dual-Cluster Memory Agent: Resolving Multi-Paradigm Ambiguity in Optimization Problem Solving
par: Zhang, Xinyu, et autres
Publié: (2026) -
GeoLaux: A Benchmark for Evaluating MLLMs' Geometry Performance on Long-Step Problems Requiring Auxiliary Lines
par: Fu, Yumeng, et autres
Publié: (2025) -
GKG-LLM: A Unified Framework for Generalized Knowledge Graph Construction
par: Zhang, Jian, et autres
Publié: (2025)