Buchumschlag

How2Everything: Mining the Web for How-To Procedures to Evaluate and Improve LLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chang, Yapei, Lo, Kyle, Iyyer, Mohit, Soldaini, Luca
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

BooookScore: A systematic exploration of book-length summarization in the era of LLMs
von: Chang, Yapei, et al.
Veröffentlicht: (2023)

PostMark: A Robust Blackbox Watermark for Large Language Models
von: Chang, Yapei, et al.
Veröffentlicht: (2024)

Recovering Diversity Without Losing Alignment: A DPO Recipe for Post-Trained LLMs
von: Samuel, Vinay, et al.
Veröffentlicht: (2026)

BEARCUBS: A benchmark for computer-using web agents
von: Song, Yixiao, et al.
Veröffentlicht: (2025)

BLEUBERI: BLEU is a surprisingly effective reward for instruction following
von: Chang, Yapei, et al.
Veröffentlicht: (2025)

Argument Collapse: LLMs Flatten Long-Form Public Debate
von: Kim, Yekyung, et al.
Veröffentlicht: (2026)

CLIPPER: Compression enables long-context synthetic data generation
von: Pham, Chau Minh, et al.
Veröffentlicht: (2025)

FollowIR: Evaluating and Teaching Information Retrieval Models to Follow Instructions
von: Weller, Orion, et al.
Veröffentlicht: (2024)

FABLES: Evaluating faithfulness and content selection in book-length summarization
von: Kim, Yekyung, et al.
Veröffentlicht: (2024)

OverThink: Slowdown Attacks on Reasoning LLMs
von: Kumar, Abhinav, et al.
Veröffentlicht: (2025)

Olmix: A Framework for Data Mixing Throughout LM Development
von: Chen, Mayee F., et al.
Veröffentlicht: (2026)

olmOCR 2: Unit Test Rewards for Document OCR
von: Poznanski, Jake, et al.
Veröffentlicht: (2025)

How Far Can Fairness Constraints Help Recover From Biased Data?
von: Sharma, Mohit, et al.
Veröffentlicht: (2023)

DataDecide: How to Predict Best Pretraining Data with Small Experiments
von: Magnusson, Ian, et al.
Veröffentlicht: (2025)

Evaluating LLMs' Reasoning Over Ordered Procedural Steps
von: Anika, Adrita, et al.
Veröffentlicht: (2025)

How Random is Random? Evaluating the Randomness and Humaness of LLMs' Coin Flips
von: Van Koevering, Katherine, et al.
Veröffentlicht: (2024)

Evaluating the Robustness of the "Ensemble Everything Everywhere" Defense
von: Zhang, Jie, et al.
Veröffentlicht: (2024)

Paloma: A Benchmark for Evaluating Language Model Fit
von: Magnusson, Ian, et al.
Veröffentlicht: (2023)

CaLMQA: Exploring culturally specific long-form question answering across 23 languages
von: Arora, Shane, et al.
Veröffentlicht: (2024)

Contextualized Evaluations: Judging Language Model Responses to Underspecified Queries
von: Malaviya, Chaitanya, et al.
Veröffentlicht: (2024)

Teaching Models to Understand (but not Generate) High-risk Data
von: Wang, Ryan, et al.
Veröffentlicht: (2025)

How Vulnerable Are Edge LLMs?
von: Ding, Ao, et al.
Veröffentlicht: (2026)

How Out-of-Equilibrium Phase Transitions can Seed Pattern Formation in Trained Diffusion Models
von: Ambrogioni, Luca
Veröffentlicht: (2026)

Improving Reinforcement Learning Sample-Efficiency using Local Approximation
von: Prashant, Mohit, et al.
Veröffentlicht: (2025)

Towards Cross-Table Masked Pretraining for Web Data Mining
von: Ye, Chao, et al.
Veröffentlicht: (2023)

Exploring How LLMs Capture and Represent Domain-Specific Knowledge
von: Garcia, Mirian Hipolito, et al.
Veröffentlicht: (2025)

How can representation dimension dominate structurally pruned LLMs?
von: Xu, Mingxue, et al.
Veröffentlicht: (2025)

How do Machine Learning Models Change?
von: Castaño, Joel, et al.
Veröffentlicht: (2024)

MillStone: How Open-Minded Are LLMs?
von: Triedman, Harold, et al.
Veröffentlicht: (2025)

Why LLMs Cannot Think and How to Fix It
von: Jahrens, Marius, et al.
Veröffentlicht: (2025)

How Good Are LLMs at Processing Tool Outputs?
von: Kate, Kiran, et al.
Veröffentlicht: (2025)

How Does Quantization Affect Multilingual LLMs?
von: Marchisio, Kelly, et al.
Veröffentlicht: (2024)

How Neural Losses Shape VAE Latents
von: Strano, Giorgio, et al.
Veröffentlicht: (2026)

How to Train Your LLM Web Agent: A Statistical Diagnosis
von: Vattikonda, Dheeraj, et al.
Veröffentlicht: (2025)

Self-Directed Synthetic Dialogues and Revisions Technical Report
von: Lambert, Nathan, et al.
Veröffentlicht: (2024)

How Compositional Generalization and Creativity Improve as Diffusion Models are Trained
von: Favero, Alessandro, et al.
Veröffentlicht: (2025)

How Susceptible are LLMs to Influence in Prompts?
von: Anagnostidis, Sotiris, et al.
Veröffentlicht: (2024)

How to Train Data-Efficient LLMs
von: Sachdeva, Noveen, et al.
Veröffentlicht: (2024)

Evaluating the Unseen Capabilities: How Many Theorems Do LLMs Know?
von: Li, Xiang, et al.
Veröffentlicht: (2025)

Retrieval-Augmented Mining of Temporal Logic Specifications from Data
von: Saveri, Gaia, et al.
Veröffentlicht: (2024)