Buchumschlag

What Matters to an LLM? Behavioral and Computational Evidences from Summarization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Yongxin, Wu, Changshun, Mulhem, Philippe, Schwab, Didier, Peyrard, Maxime
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

TempPerturb-Eval: On the Joint Effects of Internal Temperature and External Perturbations in RAG Robustness
von: Zhou, Yongxin, et al.
Veröffentlicht: (2025)

What Makes an LLM a Good Optimizer? A Trajectory Analysis of LLM-Guided Evolutionary Search
von: Zhang, Xinhao, et al.
Veröffentlicht: (2026)

Mechanistic Interpretability as Statistical Estimation: A Variance Analysis
von: Méloux, Maxime, et al.
Veröffentlicht: (2025)

What Really Controls Temporal Reasoning in Large Language Models: Tokenisation or Representation of Time?
von: Bhatia, Gagan, et al.
Veröffentlicht: (2026)

Date Fragments: A Hidden Bottleneck of Tokenization for Temporal Reasoning
von: Bhatia, Gagan, et al.
Veröffentlicht: (2025)

Everything, Everywhere, All at Once: Is Mechanistic Interpretability Identifiable?
von: Méloux, Maxime, et al.
Veröffentlicht: (2025)

Agentic AI: The Era of Semantic Decoding
von: Peyrard, Maxime, et al.
Veröffentlicht: (2024)

PSentScore: Evaluating Sentiment Polarity in Dialogue Summarization
von: Zhou, Yongxin, et al.
Veröffentlicht: (2023)

Word Matters: What Influences Domain Adaptation in Summarization?
von: Li, Yinghao, et al.
Veröffentlicht: (2024)

Grammar-Constrained Decoding for Structured NLP Tasks without Finetuning
von: Geng, Saibo, et al.
Veröffentlicht: (2023)

Can GPT models Follow Human Summarization Guidelines? A Study for Targeted Communication Goals
von: Zhou, Yongxin, et al.
Veröffentlicht: (2023)

$\texttt{COSMIC}$: Mutual Information for Task-Agnostic Summarization Evaluation
von: Darrin, Maxime, et al.
Veröffentlicht: (2024)

Understanding LLM Behavior in Multi-Target Cross-Lingual Summarization
von: Ryu, Sangwon, et al.
Veröffentlicht: (2026)

REFINER: Reasoning Feedback on Intermediate Representations
von: Paul, Debjit, et al.
Veröffentlicht: (2023)

Analyzing LLM Behavior in Dialogue Summarization: Unveiling Circumstantial Hallucination Trends
von: Ramprasad, Sanjana, et al.
Veröffentlicht: (2024)

Reassessing Graph Linearization for Sequence-to-sequence AMR Parsing: On the Advantages and Limitations of Triple-Based Encoding
von: Kang, Jeongwoo, et al.
Veröffentlicht: (2025)

UMLS-KGI-BERT: Data-Centric Knowledge Integration in Transformers for Biomedical Entity Recognition
von: Mannion, Aidan, et al.
Veröffentlicht: (2023)

Should Cross-Lingual AMR Parsing go Meta? An Empirical Assessment of Meta-Learning and Joint Learning AMR Parsing
von: Kang, Jeongwoo, et al.
Veröffentlicht: (2024)

Unlearning What Matters: Token-Level Attribution for Precise Language Model Unlearning
von: Wu, Jiawei, et al.
Veröffentlicht: (2026)

Multi-LLM Text Summarization
von: Fang, Jiangnan, et al.
Veröffentlicht: (2024)

Efficiency and Effectiveness of LLM-Based Summarization of Evidence in Crowdsourced Fact-Checking
von: Roitero, Kevin, et al.
Veröffentlicht: (2025)

SummExecEdit: A Factual Consistency Benchmark in Summarization with Executable Edits
von: Thorat, Onkar, et al.
Veröffentlicht: (2024)

What Are They Talking About? A Benchmark of Knowledge-Grounded Discussion Summarization
von: Zhou, Weixiao, et al.
Veröffentlicht: (2025)

GLIMPSE: Pragmatically Informative Multi-Document Summarization for Scholarly Reviews
von: Darrin, Maxime, et al.
Veröffentlicht: (2024)

Do RAG Systems Cover What Matters? Evaluating and Optimizing Responses with Sub-Question Coverage
von: Xie, Kaige, et al.
Veröffentlicht: (2024)

Query-Focused Extractive Summarization for Sentiment Explanation
von: Moubtahij, Ahmed, et al.
Veröffentlicht: (2025)

zip2zip: Inference-Time Adaptive Tokenization via Online Compression
von: Geng, Saibo, et al.
Veröffentlicht: (2025)

Understanding LLM Reasoning for Abstractive Summarization
von: Yuan, Haohan, et al.
Veröffentlicht: (2025)

Embrace Divergence for Richer Insights: A Multi-document Summarization Benchmark and a Case Study on Summarizing Diverse Information from News Articles
von: Huang, Kung-Hsiang, et al.
Veröffentlicht: (2023)

Human Values Matter: Investigating How Misalignment Shapes Collective Behaviors in LLM Agent Communities
von: Zhang, Xiangxu, et al.
Veröffentlicht: (2026)

Learning from Self Critique and Refinement for Faithful LLM Summarization
von: Hu, Ting-Yao, et al.
Veröffentlicht: (2025)

Learning to Summarize from LLM-generated Feedback
von: Song, Hwanjun, et al.
Veröffentlicht: (2024)

References Matter: Investigating the Impact of Reference Set Variation on Summarization Evaluation
von: Casola, Silvia, et al.
Veröffentlicht: (2025)

ArgCMV: An Argument Summarization Benchmark for the LLM-era
von: Gurjar, Omkar, et al.
Veröffentlicht: (2025)

Can LLM Agents Simulate Multi-Turn Human Behavior? Evidence from Real Online Customer Behavior Data
von: Lu, Yuxuan, et al.
Veröffentlicht: (2025)

A Computational Framework for Behavioral Assessment of LLM Therapists
von: Chiu, Yu Ying, et al.
Veröffentlicht: (2024)

FactPICO: Factuality Evaluation for Plain Language Summarization of Medical Evidence
von: Joseph, Sebastian Antony, et al.
Veröffentlicht: (2024)

Learning to Summarize by Learning to Quiz: Adversarial Agentic Collaboration for Long Document Summarization
von: Wang, Weixuan, et al.
Veröffentlicht: (2025)

Measuring What Matters -- or What's Convenient?: Robustness of LLM-Based Scoring Systems to Construct-Irrelevant Factors
von: Walsh, Cole, et al.
Veröffentlicht: (2026)

Faithfulness vs. Safety: Evaluating LLM Behavior Under Counterfactual Medical Evidence
von: Mo, Kaijie, et al.
Veröffentlicht: (2026)