:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Guangxin, Zheng, Jiahao, Boustani, Malaz, Nabrzyski, Jarek, Shi, Yiyu, Jiang, Meng, Zheng, Zhi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language
Online-Zugang:	https://arxiv.org/abs/2602.11460
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Digital Detection of Dementia (D Cubed) Trials
von: Malaz Boustani
Veröffentlicht: (2025)

MMKE-Bench: A Multimodal Editing Benchmark for Diverse Visual Knowledge
von: Du, Yuntao, et al.
Veröffentlicht: (2025)

Hybrid Stabilization Protocol for Cross-Chain Digital Assets Using Adaptor Signatures and AI-Driven Arbitrage
von: You, Shengwei, et al.
Veröffentlicht: (2025)

GroupTravelBench: Benchmarking LLM Agents on Multi-Person Travel Planning
von: Cheng, Xiang, et al.
Veröffentlicht: (2026)

BenchBench: Benchmarking Automated Benchmark Generation
von: Zheng, Yandan, et al.
Veröffentlicht: (2026)

JMedBench: A Benchmark for Evaluating Japanese Biomedical Large Language Models
von: Jiang, Junfeng, et al.
Veröffentlicht: (2024)

The Agile Mentor‐Leader
von: Richard J. Holden, et al.
Veröffentlicht: (2025)

ASAS-BridgeAMM: Trust-Minimized Cross-Chain Bridge AMM with Failure Containment
von: You, Shengwei, et al.
Veröffentlicht: (2026)

A Multi-Party, Multi-Blockchain Atomic Swap Protocol with Universal Adaptor Secret
von: You, Shengewei, et al.
Veröffentlicht: (2024)

Stablecoin Design with Adversarial-Robust Multi-Agent Systems via Trust-Weighted Signal Aggregation
von: You, Shengwei, et al.
Veröffentlicht: (2026)

Do These LLM Benchmarks Agree? Fixing Benchmark Evaluation with BenchBench
von: Perlitz, Yotam, et al.
Veröffentlicht: (2024)

T2VTextBench: A Human Evaluation Benchmark for Textual Control in Video Generation Models
von: Guo, Xuyang, et al.
Veröffentlicht: (2025)

T2VPhysBench: A First-Principles Benchmark for Physical Consistency in Text-to-Video Generation
von: Guo, Xuyang, et al.
Veröffentlicht: (2025)

AgentLongBench: A Controllable Long Benchmark For Long-Contexts Agents via Environment Rollouts
von: Fang, Shicheng, et al.
Veröffentlicht: (2026)

PodBench: A Comprehensive Benchmark for Instruction-Aware Audio-Oriented Podcast Script Generation
von: Xu, Chenning, et al.
Veröffentlicht: (2026)

Characterizing Transfer Graphs of Suspicious ERC-20 Tokens
von: Josenhans, Calvin, et al.
Veröffentlicht: (2025)

ReplicatorBench: Benchmarking LLM Agents for Replicability in Social and Behavioral Sciences
von: Nguyen, Bang, et al.
Veröffentlicht: (2026)

AlpsBench: An LLM Personalization Benchmark for Real-Dialogue Memorization and Preference Alignment
von: Xiao, Jianfei, et al.
Veröffentlicht: (2026)

Benchmarking and Understanding Compositional Relational Reasoning of LLMs
von: Ni, Ruikang, et al.
Veröffentlicht: (2024)

HEART-Bench: Do LLM Agents Exhibit Human-like Psychology?
von: Peng, Weihan, et al.
Veröffentlicht: (2026)

MMTutorBench: The First Multimodal Benchmark for AI Math Tutoring
von: Yang, Tengchao, et al.
Veröffentlicht: (2025)

Optimization Techniques for Sentiment Analysis Based on LLM (GPT-3)
von: Zhan, Tong, et al.
Veröffentlicht: (2024)

Rule-Based Explanations for Retrieval-Augmented LLM Systems
von: Rorseth, Joel, et al.
Veröffentlicht: (2025)

CML-Bench: A Framework for Evaluating and Enhancing LLM-Powered Movie Scripts Generation
von: Zheng, Mingzhe, et al.
Veröffentlicht: (2025)

Benchmarking Foundation Speech and Language Models for Alzheimer's Disease and Related Dementia Detection from Spontaneous Speech
von: Li, Jingyu, et al.
Veröffentlicht: (2025)

RUBEN: Rule-Based Explanations for Retrieval-Augmented LLM Systems
von: Rorseth, Joel, et al.
Veröffentlicht: (2026)

LCTG Bench: LLM Controlled Text Generation Benchmark
von: Kurihara, Kentaro, et al.
Veröffentlicht: (2025)

OckBench: Measuring the Efficiency of LLM Reasoning
von: Du, Zheng, et al.
Veröffentlicht: (2025)

LECTOR: LLM-Enhanced Concept-based Test-Oriented Repetition for Adaptive Spaced Learning
von: Zhao, Jiahao
Veröffentlicht: (2025)

FlowBench: Revisiting and Benchmarking Workflow-Guided Planning for LLM-based Agents
von: Xiao, Ruixuan, et al.
Veröffentlicht: (2024)

WebNovelBench: Placing LLM Novelists on the Web Novel Distribution
von: Lin, Leon, et al.
Veröffentlicht: (2025)

Top General Performance = Top Domain Performance? DomainCodeBench: A Multi-domain Code Generation Benchmark
von: Zheng, Dewu, et al.
Veröffentlicht: (2024)

ChemSafetyBench: Benchmarking LLM Safety on Chemistry Domain
von: Zhao, Haochen, et al.
Veröffentlicht: (2024)

The Future of Document Verification: Leveraging Blockchain and Self-Sovereign Identity for Enhanced Security and Transparency
von: Radha, Swapna Krishnakumar, et al.
Veröffentlicht: (2024)

TQA-Bench: Evaluating LLMs for Multi-Table Question Answering with Scalable Context and Symbolic Extension
von: Qiu, Zipeng, et al.
Veröffentlicht: (2024)

GLEN-Bench: A Graph-Language based Benchmark for Nutritional Health
von: Huang, Jiatan, et al.
Veröffentlicht: (2026)

CodeJudgeBench: Benchmarking LLM-as-a-Judge for Coding Tasks
von: Jiang, Hongchao, et al.
Veröffentlicht: (2025)

MedDialBench: Benchmarking LLM Diagnostic Robustness under Parametric Adversarial Patient Behaviors
von: Luo, Xiaotian, et al.
Veröffentlicht: (2026)

NC-Bench: An LLM Benchmark for Evaluating Conversational Competence
von: Moore, Robert J., et al.
Veröffentlicht: (2026)

ShoppingBench: A Real-World Intent-Grounded Shopping Benchmark for LLM-based Agents
von: Wang, Jiangyuan, et al.
Veröffentlicht: (2025)