Evaluating LLMs When They Do Not Know the Answer: Statistical Evaluation of Mathematical Reasoning via Comparative Signals
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Dong, Zihan, Zhang, Zhixian, Zhou, Yang, Jin, Can, Wu, Ruijia, Zhang, Linjun |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Unified Inference Framework for Single and Multi-Player Performative Prediction: Method and Asymptotic Optimality
par: Zhang, Zhixian, et autres
Publié: (2026)
par: Zhang, Zhixian, et autres
Publié: (2026)
Differentially Private Federated Learning: Servers Trustworthiness, Estimation, and Statistical Inference
par: Zhang, Zhe, et autres
Publié: (2024)
par: Zhang, Zhe, et autres
Publié: (2024)
Finite- and Large- Sample Inference for Model and Coefficients in High-dimensional Linear Regression with Repro Samples
par: Wang, Peng, et autres
Publié: (2022)
par: Wang, Peng, et autres
Publié: (2022)
Nonparametric Statistical Inference via Metric Distribution Function in Metric Spaces
par: Wang, Xueqin, et autres
Publié: (2021)
par: Wang, Xueqin, et autres
Publié: (2021)
Labels or Preferences? Budget-Constrained Learning with Human Judgments over AI-Generated Outputs
par: Dong, Zihan, et autres
Publié: (2026)
par: Dong, Zihan, et autres
Publié: (2026)
The Bayesian Way: Uncertainty, Learning, and Statistical Reasoning
par: Sosa, Juan, et autres
Publié: (2025)
par: Sosa, Juan, et autres
Publié: (2025)
A Framework for Statistical Inference via Randomized Algorithms
par: Zhang, Zhixiang, et autres
Publié: (2023)
par: Zhang, Zhixiang, et autres
Publié: (2023)
Score Attack: A Lower Bound Technique for Optimal Differentially Private Learning
par: Cai, T. Tony, et autres
Publié: (2023)
par: Cai, T. Tony, et autres
Publié: (2023)
Statistical Inference with Nonignorable Non-Probability Survey Samples
par: Liu, Yang, et autres
Publié: (2024)
par: Liu, Yang, et autres
Publié: (2024)
Statistical Inference for Low-Rank Tensors: Heteroskedasticity, Subgaussianity, and Applications
par: Agterberg, Joshua, et autres
Publié: (2024)
par: Agterberg, Joshua, et autres
Publié: (2024)
Weight-calibrated estimation for factor models of high-dimensional time series
par: Qiao, Xinghao, et autres
Publié: (2025)
par: Qiao, Xinghao, et autres
Publié: (2025)
Statistical Inference on High Dimensional Gaussian Graphical Regression Models
par: Meng, Xuran, et autres
Publié: (2024)
par: Meng, Xuran, et autres
Publié: (2024)
Robust Inference for High-dimensional Linear Models with Heavy-tailed Errors via Partial Gini Covariance
par: Zhang, Yilin, et autres
Publié: (2024)
par: Zhang, Yilin, et autres
Publié: (2024)
Statistical inference of random graphs with a surrogate likelihood function
par: Wu, Dingbo, et autres
Publié: (2022)
par: Wu, Dingbo, et autres
Publié: (2022)
Statistical Inference for Random Unknowns via Modifications of Extended Likelihood
par: Lee, Hangbin, et autres
Publié: (2023)
par: Lee, Hangbin, et autres
Publié: (2023)
Statistical Inference on Latent Space Models for Network Data
par: Li, Jinming, et autres
Publié: (2023)
par: Li, Jinming, et autres
Publié: (2023)
Empirical Bayes estimation: When does $g$-modeling beat $f$-modeling in theory (and in practice)?
par: Shen, Yandi, et autres
Publié: (2022)
par: Shen, Yandi, et autres
Publié: (2022)
Curse of Dimensionality in Bayesian Model Updating
par: Binbin, Li, et autres
Publié: (2025)
par: Binbin, Li, et autres
Publié: (2025)
Algebraic and Statistical Properties of the Partially Regularized Ordinary Least Squares Interpolator
par: Yang, Letian, et autres
Publié: (2024)
par: Yang, Letian, et autres
Publié: (2024)
Federated Learning with Incomplete Data: When to Use Complete Cases and When to Weight
par: Vazquez, Jesus E., et autres
Publié: (2026)
par: Vazquez, Jesus E., et autres
Publié: (2026)
Conformal Link Prediction with False Discovery Rate Control
par: Du, Wenqin, et autres
Publié: (2025)
par: Du, Wenqin, et autres
Publié: (2025)
Simultaneous Inference for Non-Stationary Random Fields, with Application to Gridded Data Analysis
par: Zhang, Yunyi, et autres
Publié: (2024)
par: Zhang, Yunyi, et autres
Publié: (2024)
Is Cross-Validation the Gold Standard to Evaluate Model Performance?
par: Iyengar, Garud, et autres
Publié: (2024)
par: Iyengar, Garud, et autres
Publié: (2024)
Robust Inference Under Heteroskedasticity via the Hadamard Estimator
par: Dobriban, Edgar, et autres
Publié: (2018)
par: Dobriban, Edgar, et autres
Publié: (2018)
Frequentist Statistics as Internalist Reliabilism
par: Lin, Hanti
Publié: (2024)
par: Lin, Hanti
Publié: (2024)
Statistical Inference for High-Dimensional Robust Linear Regression Models via Recursive Online-Score Estimation
par: Zheng, Dian, et autres
Publié: (2025)
par: Zheng, Dian, et autres
Publié: (2025)
Sufficiency-principled Transfer Learning via Model Averaging
par: Zhang, Xiyuan, et autres
Publié: (2025)
par: Zhang, Xiyuan, et autres
Publié: (2025)
A Relativity-Based Framework for Statistical Testing Guided by the Independence of Ancillary Statistics: Methodology and Nonparametric Illustrations
par: Vexler, Albert, et autres
Publié: (2025)
par: Vexler, Albert, et autres
Publié: (2025)
Statistical Inference for Cell Type Deconvolution
par: Xie, Dongyue, et autres
Publié: (2022)
par: Xie, Dongyue, et autres
Publié: (2022)
Riemannian Statistics for Any Type of Data
par: Rojas, Oldemar Rodriguez
Publié: (2024)
par: Rojas, Oldemar Rodriguez
Publié: (2024)
Hypothesis Testing for Penalized Estimating Equations with Cross-Fitted Covariance Calibration
par: Zhou, Jing, et autres
Publié: (2026)
par: Zhou, Jing, et autres
Publié: (2026)
Measuring Statistical Evidence: A Short Report
par: Zamani, Mahdi
Publié: (2024)
par: Zamani, Mahdi
Publié: (2024)
Statistical methods: Basic concepts, interpretations, and cautions
par: Greenland, Sander
Publié: (2025)
par: Greenland, Sander
Publié: (2025)
Robust Max Statistics for High-Dimensional Inference
par: Liu, Mingshuo, et autres
Publié: (2024)
par: Liu, Mingshuo, et autres
Publié: (2024)
Statistical tests based on Renyi entropy estimation
par: Cadirci, Mehmet Siddik, et autres
Publié: (2025)
par: Cadirci, Mehmet Siddik, et autres
Publié: (2025)
Post-Hoc Large-Sample Statistical Inference
par: Chugg, Ben, et autres
Publié: (2026)
par: Chugg, Ben, et autres
Publié: (2026)
Uncertainty quantification of synchrosqueezing transform under complicated nonstationary noise
par: Wu, Hau-Tieng, et autres
Publié: (2025)
par: Wu, Hau-Tieng, et autres
Publié: (2025)
Hypothesis Testing for a Functional Parameter via Self-normalization
par: Zhang, Yi, et autres
Publié: (2026)
par: Zhang, Yi, et autres
Publié: (2026)
Statistical inference for high-dimensional spectral density matrix
par: Chang, Jinyuan, et autres
Publié: (2022)
par: Chang, Jinyuan, et autres
Publié: (2022)
Application of Random Matrix Theory in High-Dimensional Statistics
par: Bhattacharyya, Swapnaneel, et autres
Publié: (2024)
par: Bhattacharyya, Swapnaneel, et autres
Publié: (2024)
Documents similaires
-
Unified Inference Framework for Single and Multi-Player Performative Prediction: Method and Asymptotic Optimality
par: Zhang, Zhixian, et autres
Publié: (2026) -
Differentially Private Federated Learning: Servers Trustworthiness, Estimation, and Statistical Inference
par: Zhang, Zhe, et autres
Publié: (2024) -
Finite- and Large- Sample Inference for Model and Coefficients in High-dimensional Linear Regression with Repro Samples
par: Wang, Peng, et autres
Publié: (2022) -
Nonparametric Statistical Inference via Metric Distribution Function in Metric Spaces
par: Wang, Xueqin, et autres
Publié: (2021) -
Labels or Preferences? Budget-Constrained Learning with Human Judgments over AI-Generated Outputs
par: Dong, Zihan, et autres
Publié: (2026)