Buchumschlag

Guideline-Grounded Evidence Accumulation for High-Stakes Agent Verification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Yichi, Seedat, Nabeel, Dong, Yinpeng, Cui, Peng, Zhu, Jun, van de Schaar, Mihaela
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DC-Check: A Data-Centric AI checklist to guide the development of reliable machine learning systems
von: Seedat, Nabeel, et al.
Veröffentlicht: (2022)

You can't handle the (dirty) truth: Data-centric insights improve pseudo-labeling
von: Seedat, Nabeel, et al.
Veröffentlicht: (2024)

Large Language Models to Enhance Bayesian Optimization
von: Liu, Tennison, et al.
Veröffentlicht: (2024)

Self-Healing Machine Learning: A Framework for Autonomous Adaptation in Real-World Environments
von: Rauba, Paulius, et al.
Veröffentlicht: (2024)

Curated LLM: Synergy of LLMs and Data Curation for tabular augmentation in low-data regimes
von: Seedat, Nabeel, et al.
Veröffentlicht: (2023)

Cascaded Language Models for Cost-effective Human-AI Decision-Making
von: Fanconi, Claudio, et al.
Veröffentlicht: (2025)

When is Off-Policy Evaluation (Reward Modeling) Useful in Contextual Bandits? A Data-Centric Perspective
von: Sun, Hao, et al.
Veröffentlicht: (2023)

DAGnosis: Localized Identification of Data Inconsistencies using Structures
von: Huynh, Nicolas, et al.
Veröffentlicht: (2024)

Language Bottleneck Models for Qualitative Knowledge State Modeling
von: Berthon, Antonin, et al.
Veröffentlicht: (2025)

Inverse Reinforcement Learning Meets Large Language Model Post-Training: Basics, Advances, and Opportunities
von: Sun, Hao, et al.
Veröffentlicht: (2025)

To Whom Do Language Models Align? Measuring Principal Hierarchies Under High-Stakes Competing Demands
von: Yu, Fangyi, et al.
Veröffentlicht: (2026)

Matchmaker: Self-Improving Large Language Model Programs for Schema Matching
von: Seedat, Nabeel, et al.
Veröffentlicht: (2024)

Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback
von: Saveliev, Evgeny S., et al.
Veröffentlicht: (2026)

What's the next frontier for Data-centric AI? Data Savvy Agents
von: Seedat, Nabeel, et al.
Veröffentlicht: (2025)

Query-Dependent Prompt Evaluation and Optimization with Offline Inverse RL
von: Sun, Hao, et al.
Veröffentlicht: (2023)

RealSafe-R1: Safety-Aligned DeepSeek-R1 without Compromising Reasoning Capability
von: Zhang, Yichi, et al.
Veröffentlicht: (2025)

The Synergy of LLMs & RL Unlocks Offline Learning of Generalizable Language-Conditioned Policies with Low-fidelity Data
von: Pouplin, Thomas, et al.
Veröffentlicht: (2024)

Beyond Pointwise Scores: Decomposed Criteria-Based Evaluation of LLM Responses
von: Yu, Fangyi, et al.
Veröffentlicht: (2025)

Truly Self-Improving Agents Require Intrinsic Metacognitive Learning
von: Liu, Tennison, et al.
Veröffentlicht: (2025)

TTPrint: Evidence-Grounded TTP Extraction via Diverge-then-Converge Verification
von: Cheng, Yutong, et al.
Veröffentlicht: (2026)

DeceptionBench: A Comprehensive Benchmark for AI Deception Behaviors in Real-world Scenarios
von: Huang, Yao, et al.
Veröffentlicht: (2025)

RepoMirage: Probing Repository Context Reasoning in Code Agents with Perturbations
von: Li, Hanyu, et al.
Veröffentlicht: (2026)

Breaking the Ceiling: Exploring the Potential of Jailbreak Attacks through Expanding Strategy Space
von: Huang, Yao, et al.
Veröffentlicht: (2025)

Mitigating Overthinking in Large Reasoning Models via Manifold Steering
von: Huang, Yao, et al.
Veröffentlicht: (2025)

Towards Safe Reasoning in Large Reasoning Models via Corrective Intervention
von: Zhang, Yichi, et al.
Veröffentlicht: (2025)

Active Task Disambiguation with LLMs
von: Kobalczyk, Katarzyna, et al.
Veröffentlicht: (2025)

A Survey on Autonomy-Induced Security Risks in Large Model-Based Agents
von: Su, Hang, et al.
Veröffentlicht: (2025)

Agents Require Metacognitive and Strategic Reasoning to Succeed in the Coming Labor Markets
von: Zhang, Simpson, et al.
Veröffentlicht: (2025)

Reusing Embeddings: Reproducible Reward Model Research in Large Language Model Alignment without GPUs
von: Sun, Hao, et al.
Veröffentlicht: (2025)

Dissecting Sample Hardness: A Fine-Grained Analysis of Hardness Characterization Methods for Data-Centric AI
von: Seedat, Nabeel, et al.
Veröffentlicht: (2024)

Strategic Self-Improvement for Competitive Agents in AI Labour Markets
von: Chiu, Christopher, et al.
Veröffentlicht: (2025)

Implicit Behavioral Alignment of Language Agents in High-Stakes Crowd Simulations
von: Wang, Yunzhe, et al.
Veröffentlicht: (2025)

Unveiling Trust in Multimodal Large Language Models: Evaluation, Analysis, and Mitigation
von: Zhang, Yichi, et al.
Veröffentlicht: (2025)

StakeBench: Evaluating Language Understanding Grounded in Market Commitment
von: Pei, Yunhua, et al.
Veröffentlicht: (2026)

STAR-PólyaMath: Multi-Agent Reasoning under Persistent Meta-Strategic Supervision
von: Wu, Jiaao, et al.
Veröffentlicht: (2026)

Not All Explanations for Deep Learning Phenomena Are Equally Valuable
von: Jeffares, Alan, et al.
Veröffentlicht: (2025)

Preference Learning for AI Alignment: a Causal Perspective
von: Kobalczyk, Katarzyna, et al.
Veröffentlicht: (2025)

Active Timepoint Selection for Learning Measure-Valued Trajectories
von: Huynh, Nicolas, et al.
Veröffentlicht: (2026)

Inverse-RLignment: Large Language Model Alignment from Demonstrations through Inverse Reinforcement Learning
von: Sun, Hao, et al.
Veröffentlicht: (2024)

Hyperparameter Trajectory Inference with Conditional Lagrangian Optimal Transport
von: Amad, Harry, et al.
Veröffentlicht: (2026)