Buchumschlag

TemporalBench: A Benchmark for Evaluating LLM-Based Agents on Contextual and Event-Informed Time Series Tasks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Weng, Muyan, Cao, Defu, Yang, Wei, Sharma, Yashaswi, Liu, Yan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adaptive Collaboration with Humans: Metacognitive Policy Optimization for Multi-Agent LLMs with Continual Learning
von: Yang, Wei, et al.
Veröffentlicht: (2026)

TemporalBench: Benchmarking Fine-grained Temporal Understanding for Multimodal Video Models
von: Cai, Mu, et al.
Veröffentlicht: (2024)

When LLM Meets Time Series: Can LLMs Perform Multi-Step Time Series Reasoning and Inference
von: Ye, Wen, et al.
Veröffentlicht: (2025)

TS-Reasoner: Domain-Oriented Time Series Inference Agents for Reasoning and Automated Analysis
von: Ye, Wen, et al.
Veröffentlicht: (2024)

Mobile-Bench: An Evaluation Benchmark for LLM-based Mobile Agents
von: Deng, Shihan, et al.
Veröffentlicht: (2024)

MCPAgentBench: A Real-world Task Benchmark for Evaluating LLM Agent MCP Tool Use
von: Liu, Wenrui, et al.
Veröffentlicht: (2025)

TimeDiT: General-purpose Diffusion Transformers for Time Series Foundation Model
von: Cao, Defu, et al.
Veröffentlicht: (2024)

Conversational Time Series Foundation Models: Towards Explainable and Effective Forecasting
von: Cao, Defu, et al.
Veröffentlicht: (2025)

TimeCAP: Learning to Contextualize, Augment, and Predict Time Series Events with Large Language Model Agents
von: Lee, Geon, et al.
Veröffentlicht: (2025)

TSI-Bench: Benchmarking Time Series Imputation
von: Du, Wenjie, et al.
Veröffentlicht: (2024)

VitaBench: Benchmarking LLM Agents with Versatile Interactive Tasks in Real-world Applications
von: He, Wei, et al.
Veröffentlicht: (2025)

Foundation Models for Demand Forecasting via Dual-Strategy Ensembling
von: Yang, Wei, et al.
Veröffentlicht: (2025)

WorkstreamBench: Evaluating LLM Agents on End-to-End Spreadsheet Tasks in Finance
von: Yen, Thomson, et al.
Veröffentlicht: (2026)

SafeAgentBench: A Benchmark for Safe Task Planning of Embodied LLM Agents
von: Yin, Sheng, et al.
Veröffentlicht: (2024)

HWE-Bench: Benchmarking LLM Agents on Real-World Hardware Bug Repair Tasks
von: Cui, Fan, et al.
Veröffentlicht: (2026)

MPCI-Bench: A Benchmark for Multimodal Pairwise Contextual Integrity Evaluation of Language Model Agents
von: Wang, Shouju, et al.
Veröffentlicht: (2026)

EnvSimBench: A Benchmark for Evaluating and Improving LLM-Based Environment Simulation
von: Liu, Yi, et al.
Veröffentlicht: (2026)

LiveClawBench: Benchmarking LLM Agents on Complex, Real-World Assistant Tasks
von: Long, Xiang, et al.
Veröffentlicht: (2026)

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

ESL-Bench: An Event-Driven Synthetic Longitudinal Benchmark for Health Agents
von: Li, Chao, et al.
Veröffentlicht: (2026)

AgentRecBench: Benchmarking LLM Agent-based Personalized Recommender Systems
von: Shang, Yu, et al.
Veröffentlicht: (2025)

DataSciBench: An LLM Agent Benchmark for Data Science
von: Zhang, Dan, et al.
Veröffentlicht: (2025)

HEARTS: Benchmarking LLM Reasoning on Health Time Series
von: Li, Sirui, et al.
Veröffentlicht: (2026)

Mem2ActBench: A Benchmark for Evaluating Long-Term Memory Utilization in Task-Oriented Autonomous Agents
von: Shen, Yiting, et al.
Veröffentlicht: (2026)

A Survey of Reasoning and Agentic Systems in Time Series with Large Language Models
von: Chang, Ching, et al.
Veröffentlicht: (2025)

MobileAgentBench: An Efficient and User-Friendly Benchmark for Mobile LLM Agents
von: Wang, Luyuan, et al.
Veröffentlicht: (2024)

SkillGenBench: Benchmarking Skill Generation Pipelines for LLM Agents
von: Zhou, Yifan, et al.
Veröffentlicht: (2026)

Does Context Matter? ContextualJudgeBench for Evaluating LLM-based Judges in Contextual Settings
von: Xu, Austin, et al.
Veröffentlicht: (2025)

DataGovBench: Benchmarking LLM Agents for Real-World Data Governance Workflows
von: Liu, Zhou, et al.
Veröffentlicht: (2025)

AgentEscapeBench: Evaluating Out-of-Domain Tool-Grounded Reasoning in LLM Agents
von: Guo, Zhengkang, et al.
Veröffentlicht: (2026)

Terminal-Bench: Benchmarking Agents on Hard, Realistic Tasks in Command Line Interfaces
von: Merrill, Mike A., et al.
Veröffentlicht: (2026)

LifelongAgentBench: Evaluating LLM Agents as Lifelong Learners
von: Zheng, Junhao, et al.
Veröffentlicht: (2025)

HealthAdminBench: Evaluating Computer-Use Agents on Healthcare Administration Tasks
von: Bedi, Suhana, et al.
Veröffentlicht: (2026)

MIRAI: Evaluating LLM Agents for Event Forecasting
von: Ye, Chenchen, et al.
Veröffentlicht: (2024)

SPA-Bench: A Comprehensive Benchmark for SmartPhone Agent Evaluation
von: Chen, Jingxuan, et al.
Veröffentlicht: (2024)

Agent-ValueBench: A Comprehensive Benchmark for Evaluating Agent Values
von: Dong, Haonan, et al.
Veröffentlicht: (2026)

An Electrocardiogram Multi-task Benchmark with Comprehensive Evaluations and Insightful Findings
von: Xu, Yuhao, et al.
Veröffentlicht: (2025)

ActuBench: A Multi-Agent LLM Pipeline for Generation and Evaluation of Actuarial Reasoning Tasks
von: Schmidt, Jan-Philipp
Veröffentlicht: (2026)

FHIR-AgentBench: Benchmarking LLM Agents for Realistic Interoperable EHR Question Answering
von: Lee, Gyubok, et al.
Veröffentlicht: (2025)

Silo-Bench: A Scalable Environment for Evaluating Distributed Coordination in Multi-Agent LLM Systems
von: Zhang, Yuzhe, et al.
Veröffentlicht: (2026)