Buchumschlag

MILE-RefHumEval: A Reference-Free, Multi-Independent LLM Framework for Human-Aligned Evaluation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Srun, Nalin, Rastin, Parisa, Cabanes, Guénaël, Assala, Lydia Boudjeloud
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

FeedEval: Pedagogically Aligned Evaluation of LLM-Generated Essay Feedback
von: Chu, Seongyeub, et al.
Veröffentlicht: (2026)

BanglaSummEval: Reference-Free Factual Consistency Evaluation for Bangla Summarization
von: Rafid, Ahmed, et al.
Veröffentlicht: (2026)

ReproHum #0087-01: Human Evaluation Reproduction Report for Generating Fact Checking Explanations
von: Loakman, Tyler, et al.
Veröffentlicht: (2024)

FoREST: Frame of Reference Evaluation in Spatial Reasoning Tasks
von: Premsri, Tanawan, et al.
Veröffentlicht: (2025)

LLM-Ref: Enhancing Reference Handling in Technical Writing with Large Language Models
von: Fuad, Kazi Ahmed Asif, et al.
Veröffentlicht: (2024)

PersonaEval: Are LLM Evaluators Human Enough to Judge Role-Play?
von: Zhou, Lingfeng, et al.
Veröffentlicht: (2025)

HumBEL: A Human-in-the-Loop Approach for Evaluating Demographic Factors of Language Models in Human-Machine Conversations
von: Sicilia, Anthony, et al.
Veröffentlicht: (2023)

EvalSense: A Framework for Domain-Specific LLM (Meta-)Evaluation
von: Dejl, Adam, et al.
Veröffentlicht: (2026)

MILE: A Mutation Testing Framework of In-Context Learning Systems
von: Wei, Zeming, et al.
Veröffentlicht: (2024)

MindRef: Mimicking Human Memory for Hierarchical Reference Retrieval with Fine-Grained Location Awareness
von: Wang, Ye, et al.
Veröffentlicht: (2024)

Multi-Agent-as-Judge: Aligning LLM-Agent-Based Automated Evaluation with Multi-Dimensional Human Evaluation
von: Chen, Jiaju, et al.
Veröffentlicht: (2025)

FoR-SALE: Frame of Reference-guided Spatial Adjustment in LLM-based Diffusion Editing
von: Premsri, Tanawan, et al.
Veröffentlicht: (2025)

The ICASSP 2026 HumDial Challenge: Benchmarking Human-like Spoken Dialogue Systems in the LLM Era
von: Zhao, Zhixian, et al.
Veröffentlicht: (2026)

TrustScore: Reference-Free Evaluation of LLM Response Trustworthiness
von: Zheng, Danna, et al.
Veröffentlicht: (2024)

Talk2Ref: A Dataset for Reference Prediction from Scientific Talks
von: Broy, Frederik, et al.
Veröffentlicht: (2025)

BotEval: Facilitating Interactive Human Evaluation
von: Cho, Hyundong, et al.
Veröffentlicht: (2024)

RevisEval: Improving LLM-as-a-Judge via Response-Adapted References
von: Zhang, Qiyuan, et al.
Veröffentlicht: (2024)

HumMusQA: A Human-written Music Understanding QA Benchmark Dataset
von: Weck, Benno, et al.
Veröffentlicht: (2026)

Evaluating the Utility of Grounding Documents with Reference-Free LLM-based Metrics
von: Hua, Yilun, et al.
Veröffentlicht: (2026)

RefTool: Reference-Guided Tool Creation for Knowledge-Intensive Reasoning
von: Liu, Xiao, et al.
Veröffentlicht: (2025)

RepEval: Effective Text Evaluation with LLM Representation
von: Sheng, Shuqian, et al.
Veröffentlicht: (2024)

HD-Eval: Aligning Large Language Model Evaluators Through Hierarchical Criteria Decomposition
von: Liu, Yuxuan, et al.
Veröffentlicht: (2024)

BatchEval: Towards Human-like Text Evaluation
von: Yuan, Peiwen, et al.
Veröffentlicht: (2023)

FreeEval: A Modular Framework for Trustworthy and Efficient Evaluation of Large Language Models
von: Yu, Zhuohao, et al.
Veröffentlicht: (2024)

SceneJailEval: A Scenario-Adaptive Multi-Dimensional Framework for Jailbreak Evaluation
von: Jiang, Lai, et al.
Veröffentlicht: (2025)

RefChecker: Reference-based Fine-grained Hallucination Checker and Benchmark for Large Language Models
von: Hu, Xiangkun, et al.
Veröffentlicht: (2024)

Reference-Free Evaluation of Taxonomies
von: Wullschleger, Pascal, et al.
Veröffentlicht: (2025)

SCORE: Specificity, Context Utilization, Robustness, and Relevance for Reference-Free LLM Evaluation
von: Shomee, Homaira Huda, et al.
Veröffentlicht: (2026)

Ref-Adv: Exploring MLLM Visual Reasoning in Referring Expression Tasks
von: Dong, Qihua, et al.
Veröffentlicht: (2026)

Eval4Sim: An Evaluation Framework for Persona Simulation
von: Bao, Eliseo, et al.
Veröffentlicht: (2026)

DiagramEval: Evaluating LLM-Generated Diagrams via Graphs
von: Liang, Chumeng, et al.
Veröffentlicht: (2025)

One-Eval: An Agentic System for Automated and Traceable LLM Evaluation
von: Shen, Chengyu, et al.
Veröffentlicht: (2026)

HumanRankEval: Automatic Evaluation of LMs as Conversational Assistants
von: Gritta, Milan, et al.
Veröffentlicht: (2024)

ZeroSumEval: An Extensible Framework For Scaling LLM Evaluation with Inter-Model Competition
von: Alyahya, Hisham A., et al.
Veröffentlicht: (2025)

AutoEvoEval: An Automated Framework for Evolving Close-Ended LLM Evaluation Data
von: Wu, JiaRu, et al.
Veröffentlicht: (2025)

NormEval: A Unified Multi-Metric Framework for Evaluating Semantic Fidelity in Text Normalization
von: Kafi, Md Abdullah Al, et al.
Veröffentlicht: (2025)

ReEvalMed: Rethinking Medical Report Evaluation by Aligning Metrics with Real-World Clinical Judgment
von: Li, Ruochen, et al.
Veröffentlicht: (2025)

GraphEval: A Knowledge-Graph Based LLM Hallucination Evaluation Framework
von: Sansford, Hannah, et al.
Veröffentlicht: (2024)

RocketEval: Efficient Automated LLM Evaluation via Grading Checklist
von: Wei, Tianjun, et al.
Veröffentlicht: (2025)

AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents
von: Liang, Yuanzhi, et al.
Veröffentlicht: (2024)