Buchumschlag

Unmasking the Factual-Conceptual Gap in Persian Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sakhaeirad, Alireza, Ma'manpoosh, Ali, Hemmat, Arshia
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

TDGNet: Hallucination Detection in Diffusion Language Models via Temporal Dynamic Graphs
von: Hemmat, Arshia, et al.
Veröffentlicht: (2026)

Unmasking Hallucinations: A Causal Graph-Attention Perspective on Factual Reliability in Large Language Models
von: kurra, Sailesh kiran, et al.
Veröffentlicht: (2026)

Where-to-Unmask: Ground-Truth-Guided Unmasking Order Learning for Masked Diffusion Language Models
von: Asano, Hikaru, et al.
Veröffentlicht: (2026)

Unmasking the Reality of PII Masking Models: Performance Gaps and the Call for Accountability
von: Singh, Devansh, et al.
Veröffentlicht: (2025)

Beyond Factual Accuracy: Evaluating Coverage of Diverse Factual Information in Long-form Text Generation
von: Samarinas, Chris, et al.
Veröffentlicht: (2025)

Persian Pronoun Resolution: Leveraging Neural Networks and Language Models
von: Mohammadi, Hassan Haji, et al.
Veröffentlicht: (2024)

PersianMind: A Cross-Lingual Persian-English Large Language Model
von: Rostami, Pedram, et al.
Veröffentlicht: (2024)

Co-occurrence is not Factual Association in Language Models
von: Zhang, Xiao, et al.
Veröffentlicht: (2024)

Delta-Audit: Explaining What Changes When Models Change
von: Hemmat, Arshia, et al.
Veröffentlicht: (2025)

Language Models' Factuality Depends on the Language of Inquiry
von: Aggarwal, Tushar, et al.
Veröffentlicht: (2025)

Khayyam Challenge (PersianMMLU): Is Your LLM Truly Wise to The Persian Language?
von: Ghahroodi, Omid, et al.
Veröffentlicht: (2024)

PBBQ: A Persian Bias Benchmark Dataset Curated with Human-AI Collaboration for Large Language Models
von: Farsi, Farhan, et al.
Veröffentlicht: (2025)

Deep Learning-based Sentiment Analysis in Persian Language
von: Heydari, Mohammad, et al.
Veröffentlicht: (2024)

Unmasking and Quantifying Racial Bias of Large Language Models in Medical Report Generation
von: Yang, Yifan, et al.
Veröffentlicht: (2024)

Step-by-Step Unmasking for Parameter-Efficient Fine-tuning of Large Language Models
von: Agarwal, Aradhye, et al.
Veröffentlicht: (2024)

Factual Consistency of Multilingual Pretrained Language Models
von: Fierro, Constanza, et al.
Veröffentlicht: (2022)

Generating Benchmarks for Factuality Evaluation of Language Models
von: Muhlgay, Dor, et al.
Veröffentlicht: (2023)

Conformal Language Model Reasoning with Coherent Factuality
von: Rubin-Toles, Maxon, et al.
Veröffentlicht: (2025)

Factuality of Large Language Models: A Survey
von: Wang, Yuxia, et al.
Veröffentlicht: (2024)

Exploring the Factual Consistency in Dialogue Comprehension of Large Language Models
von: She, Shuaijie, et al.
Veröffentlicht: (2023)

DLM-SWAI: Steering Diffusion Language Models Before They Unmask
von: An, Hyeseon, et al.
Veröffentlicht: (2026)

MELAC: Massive Evaluation of Large Language Models with Alignment of Culture in Persian Language
von: Farsi, Farhan, et al.
Veröffentlicht: (2025)

Language Models with Conformal Factuality Guarantees
von: Mohri, Christopher, et al.
Veröffentlicht: (2024)

From Parameters to Prompts: Understanding and Mitigating the Factuality Gap between Fine-Tuned LLMs
von: Gong, Xuan, et al.
Veröffentlicht: (2025)

Conceptual and Unbiased Reasoning in Language Models
von: Zhou, Ben, et al.
Veröffentlicht: (2024)

The Curious Case of Factuality Finetuning: Models' Internal Beliefs Can Improve Factuality
von: Newman, Benjamin, et al.
Veröffentlicht: (2025)

PRISON: Unmasking the Criminal Potential of Large Language Models
von: Wu, Xinyi, et al.
Veröffentlicht: (2025)

Evaluating Contextually Mediated Factual Recall in Multilingual Large Language Models
von: Liu, Yihong, et al.
Veröffentlicht: (2026)

PretrainRL: Alleviating Factuality Hallucination of Large Language Models at the Beginning
von: Liu, Langming, et al.
Veröffentlicht: (2026)

Entropy Guided Extrapolative Decoding to Improve Factuality in Large Language Models
von: Das, Souvik, et al.
Veröffentlicht: (2024)

UAlign: Leveraging Uncertainty Estimations for Factuality Alignment on Large Language Models
von: Xue, Boyang, et al.
Veröffentlicht: (2024)

CodeSimpleQA: Scaling Factuality in Code Large Language Models
von: Yang, Jian, et al.
Veröffentlicht: (2025)

SimpleVQA: Multimodal Factuality Evaluation for Multimodal Large Language Models
von: Cheng, Xianfu, et al.
Veröffentlicht: (2025)

Relation Also Knows: Rethinking the Recall and Editing of Factual Associations in Auto-Regressive Transformer Language Models
von: Liu, Xiyu, et al.
Veröffentlicht: (2024)

Temporally Consistent Factuality Probing for Large Language Models
von: Bajpai, Ashutosh, et al.
Veröffentlicht: (2024)

Aligning Knowledge Graphs and Language Models for Factual Accuracy
von: Nishat, Nur A Zarin, et al.
Veröffentlicht: (2025)

FLAME: Factuality-Aware Alignment for Large Language Models
von: Lin, Sheng-Chieh, et al.
Veröffentlicht: (2024)

Unmasking the Shadows of AI: Investigating Deceptive Capabilities in Large Language Models
von: Guo, Linge
Veröffentlicht: (2024)

Beyond Bias Scores: Unmasking Vacuous Neutrality in Small Language Models
von: Manduru, Sumanth, et al.
Veröffentlicht: (2025)

Leveraging Retrieval-Augmented Generation for Persian University Knowledge Retrieval
von: Hemmat, Arshia, et al.
Veröffentlicht: (2024)