Buchumschlag

Models Know Models Best: Evaluation via Model-Preferred Formats

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Joonhak, Jung, Sungmok, Park, Jongyeon, Lee, Jaejin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Thunder-KoNUBench: A Corpus-Aligned Benchmark for Korean Negation Understanding
von: Jung, Sungmok, et al.
Veröffentlicht: (2026)

Thunder-NUBench: A Benchmark for LLMs' Sentence-Level Negation Understanding
von: So, Yeonkyoung, et al.
Veröffentlicht: (2025)

Thunder-Tok: Minimizing Tokens per Word in Tokenizing Korean Texts for Generative Language Models
von: Cho, Gyeongje, et al.
Veröffentlicht: (2025)

Beyond Line-Level Filtering for the Pretraining Corpora of LLMs
von: Park, Chanwoo, et al.
Veröffentlicht: (2025)

KLAAD: Refining Attention Mechanisms to Reduce Societal Bias in Generative Language Models
von: Kim, Seorin, et al.
Veröffentlicht: (2025)

Ko-MuSR: A Multistep Soft Reasoning Benchmark for LLMs Capable of Understanding Korean
von: Park, Chanwoo, et al.
Veröffentlicht: (2025)

Language Models Prefer What They Know: Relative Confidence Estimation via Confidence Preferences
von: Shrivastava, Vaishnavi, et al.
Veröffentlicht: (2025)

Thunder-DeID: Accurate and Efficient De-identification Framework for Korean Court Judgments
von: Hahm, Sungeun, et al.
Veröffentlicht: (2025)

What Models Know, How Well They Know It: Knowledge-Weighted Fine-Tuning for Learning When to Say "I Don't Know"
von: Lee, Joosung, et al.
Veröffentlicht: (2026)

Pragmatic Competence Evaluation of Large Language Models for the Korean Language
von: Park, Dojun, et al.
Veröffentlicht: (2024)

ZEBRA: Leveraging Model-Behavioral Knowledge for Zero-Annotation Preference Dataset Construction
von: Jung, Jeesu, et al.
Veröffentlicht: (2025)

Improving Conversational Abilities of Quantized Large Language Models via Direct Preference Alignment
von: Lee, Janghwan, et al.
Veröffentlicht: (2024)

Unsupervised Extractive Dialogue Summarization in Hyperdimensional Space
von: Park, Seongmin, et al.
Veröffentlicht: (2024)

Diverging Preferences: When do Annotators Disagree and do Models Know?
von: Zhang, Michael JQ, et al.
Veröffentlicht: (2024)

Reasoning by Commented Code for Table Question Answering
von: Pyo, Seho, et al.
Veröffentlicht: (2026)

SEDD: Scalable and Efficient Dataset Deduplication with GPUs
von: Son, Youngjun, et al.
Veröffentlicht: (2025)

FLEX: A Benchmark for Evaluating Robustness of Fairness in Large Language Models
von: Jung, Dahyun, et al.
Veröffentlicht: (2025)

MultiPragEval: Multilingual Pragmatic Evaluation of Large Language Models
von: Park, Dojun, et al.
Veröffentlicht: (2024)

Fine-Tuning Language Models to Know What They Know
von: Park, Sangjun, et al.
Veröffentlicht: (2026)

HAE-RAE Bench: Evaluation of Korean Knowledge in Language Models
von: Son, Guijin, et al.
Veröffentlicht: (2023)

Investigating Language Preference of Multilingual RAG Systems
von: Park, Jeonghyun, et al.
Veröffentlicht: (2025)

Choices Speak Louder than Questions
von: Cho, Gyeongje, et al.
Veröffentlicht: (2025)

ArchCode: Incorporating Software Requirements in Code Generation with Large Language Models
von: Han, Hojae, et al.
Veröffentlicht: (2024)

Aligning to Thousands of Preferences via System Message Generalization
von: Lee, Seongyun, et al.
Veröffentlicht: (2024)

DiaTool-DPO: Multi-Turn Direct Preference Optimization for Tool-Augmented Large Language Models
von: Jung, Sunghee, et al.
Veröffentlicht: (2025)

Know "No" Better: A Data-Driven Approach for Enhancing Negation Awareness in CLIP
von: Park, Junsung, et al.
Veröffentlicht: (2025)

Thunder-LLM: Efficiently Adapting LLMs to Korean with Minimal Resources
von: Kim, Jinpyo, et al.
Veröffentlicht: (2025)

TeXBLEU: Automatic Metric for Evaluate LaTeX Format
von: Jung, Kyudan, et al.
Veröffentlicht: (2024)

Return of EM: Entity-driven Answer Set Expansion for QA Evaluation
von: Lee, Dongryeol, et al.
Veröffentlicht: (2024)

Structured Language Generation Model: Loss Calibration and Formatted Decoding for Robust Structure Prediction and Knowledge Retrieval
von: Lee, Minho, et al.
Veröffentlicht: (2024)

ORPO: Monolithic Preference Optimization without Reference Model
von: Hong, Jiwoo, et al.
Veröffentlicht: (2024)

OmniACBench: A Benchmark for Evaluating Context-Grounded Acoustic Control in Omni-Modal Models
von: Kim, Seunghee, et al.
Veröffentlicht: (2026)

SCALE: Upscaled Continual Learning of Large Language Models
von: Lee, Jin-woo, et al.
Veröffentlicht: (2025)

Finding Answers in Thought Matters: Revisiting Evaluation on Large Language Models with Reasoning
von: Jo, Hwiyeol, et al.
Veröffentlicht: (2025)

Language Models Don't Know What You Want: Evaluating Personalization in Deep Research Needs Real Users
von: Balepur, Nishant, et al.
Veröffentlicht: (2026)

The Comparative Trap: Pairwise Comparisons Amplifies Biased Preferences of LLM Evaluators
von: Jeong, Hawon, et al.
Veröffentlicht: (2024)

Models That Know How Evaluations Are Designed Score Safer
von: Deckenbach, Katharina, et al.
Veröffentlicht: (2026)

Evaluation of Best-of-N Sampling Strategies for Language Model Alignment
von: Ichihara, Yuki, et al.
Veröffentlicht: (2025)

KnowRL: Teaching Language Models to Know What They Know
von: Kale, Sahil, et al.
Veröffentlicht: (2025)

Can Structural Cues Save LLMs? Evaluating Language Models in Massive Document Streams
von: Lee, Yukyung, et al.
Veröffentlicht: (2026)