Evaluating Performance Drift from Model Switching in Multi-Turn LLM Systems
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Khraishi, Raad, Zafar, Iman, Myles, Katie, Cowan, Greig A |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Evaluating the Sensitivity of LLMs to Prior Context
par: Hankache, Robert, et autres
Publié: (2025)
par: Hankache, Robert, et autres
Publié: (2025)
Obscured but Not Erased: Evaluating Nationality Bias in LLMs via Name-Based Bias Benchmarks
par: Pelosio, Giulio, et autres
Publié: (2025)
par: Pelosio, Giulio, et autres
Publié: (2025)
Drift No More? Context Equilibria in Multi-Turn LLM Interactions
par: Dongre, Vardhan, et autres
Publié: (2025)
par: Dongre, Vardhan, et autres
Publié: (2025)
The Slow Drift of Support: Boundary Failures in Multi-Turn Mental Health LLM Dialogues
par: Cheng, Youyou, et autres
Publié: (2026)
par: Cheng, Youyou, et autres
Publié: (2026)
Learning an Efficient Multi-Turn Dialogue Evaluator from Multiple LLM Judges
par: Tang, Yuqi, et autres
Publié: (2025)
par: Tang, Yuqi, et autres
Publié: (2025)
Helping Customers in Distress: An LLM-powered Agent that Converses, Probes, and Routes
par: Atreya, Alankar, et autres
Publié: (2026)
par: Atreya, Alankar, et autres
Publié: (2026)
Evaluating Temporal Consistency in Multi-Turn Language Models
par: Atri, Yash Kumar, et autres
Publié: (2026)
par: Atri, Yash Kumar, et autres
Publié: (2026)
TurnBench-MS: A Benchmark for Evaluating Multi-Turn, Multi-Step Reasoning in Large Language Models
par: Zhang, Yiran, et autres
Publié: (2025)
par: Zhang, Yiran, et autres
Publié: (2025)
PingPong: A Natural Benchmark for Multi-Turn Code-Switching Dialogues
par: Farhansyah, Mohammad Rifqi, et autres
Publié: (2026)
par: Farhansyah, Mohammad Rifqi, et autres
Publié: (2026)
Evaluating Memory in LLM Agents via Incremental Multi-Turn Interactions
par: Hu, Yuanzhe, et autres
Publié: (2025)
par: Hu, Yuanzhe, et autres
Publié: (2025)
Evaluating LLM-based Agents for Multi-Turn Conversations: A Survey
par: Guan, Shengyue, et autres
Publié: (2025)
par: Guan, Shengyue, et autres
Publié: (2025)
Self-Anchoring Calibration Drift in Large Language Models: How Multi-Turn Conversations Reshape Model Confidence
par: Harshavardhan
Publié: (2026)
par: Harshavardhan
Publié: (2026)
Residual Drift Dominates Contradiction in Multi-Turn Constraint Reasoning
par: Kawada, Sebastien
Publié: (2026)
par: Kawada, Sebastien
Publié: (2026)
Drift-Bench: Diagnosing Cooperative Breakdowns in LLM Agents under Input Faults via Multi-Turn Interaction
par: Bao, Han, et autres
Publié: (2026)
par: Bao, Han, et autres
Publié: (2026)
Beyond Continuity: Challenges of Context Switching in Multi-Turn Dialogue with LLMs
par: Sinha, Aditya, et autres
Publié: (2026)
par: Sinha, Aditya, et autres
Publié: (2026)
A Comprehensive Evaluation of LLM Unlearning Robustness under Multi-Turn Interaction
par: Pan, Ruihao, et autres
Publié: (2026)
par: Pan, Ruihao, et autres
Publié: (2026)
Offline Policy Evaluation of Multi-Turn LLM Health Coaching with Real Users
par: Ozolcer, Melik, et autres
Publié: (2025)
par: Ozolcer, Melik, et autres
Publié: (2025)
Evaluation Drift in LLM Personality Induction: Are We Moving the Goalpost?
par: Rajput, Prateek, et autres
Publié: (2026)
par: Rajput, Prateek, et autres
Publié: (2026)
Adaptive Stopping for Multi-Turn LLM Reasoning
par: Zhou, Xiaofan, et autres
Publié: (2026)
par: Zhou, Xiaofan, et autres
Publié: (2026)
How Personality Traits Shape LLM Risk-Taking Behaviour
par: Hartley, John, et autres
Publié: (2025)
par: Hartley, John, et autres
Publié: (2025)
Beyond the Black Box: Demystifying Multi-Turn LLM Reasoning with VISTA
par: Zhang, Yiran, et autres
Publié: (2025)
par: Zhang, Yiran, et autres
Publié: (2025)
Amulet: Putting Complex Multi-Turn Conversations on the Stand with LLM Juries
par: Ramnath, Sahana, et autres
Publié: (2025)
par: Ramnath, Sahana, et autres
Publié: (2025)
MT-Eval: A Multi-Turn Capabilities Evaluation Benchmark for Large Language Models
par: Kwan, Wai-Chung, et autres
Publié: (2024)
par: Kwan, Wai-Chung, et autres
Publié: (2024)
Models Recall What They Violate: Constraint Adherence in Multi-Turn LLM Ideation
par: Kruthof, Garvin
Publié: (2026)
par: Kruthof, Garvin
Publié: (2026)
Lost in the Mix: Evaluating LLM Understanding of Code-Switched Text
par: Mohamed, Amr, et autres
Publié: (2025)
par: Mohamed, Amr, et autres
Publié: (2025)
Know You Before You Speak: User-State Modeling for LLM Personalization in Multi-Turn Conversation
par: Luo, Jiani, et autres
Publié: (2026)
par: Luo, Jiani, et autres
Publié: (2026)
LoopServe: An Adaptive Dual-phase LLM Inference Acceleration System for Multi-Turn Dialogues
par: Li, Haoyang, et autres
Publié: (2025)
par: Li, Haoyang, et autres
Publié: (2025)
MTRAG: A Multi-Turn Conversational Benchmark for Evaluating Retrieval-Augmented Generation Systems
par: Katsis, Yannis, et autres
Publié: (2025)
par: Katsis, Yannis, et autres
Publié: (2025)
MTRouter: Cost-Aware Multi-Turn LLM Routing with History-Model Joint Embeddings
par: Zhang, Yiqun, et autres
Publié: (2026)
par: Zhang, Yiqun, et autres
Publié: (2026)
Persona-Grounded Safety Evaluation of AI Companions in Multi-Turn Conversations
par: Juneja, Prerna, et autres
Publié: (2026)
par: Juneja, Prerna, et autres
Publié: (2026)
Multi-Turn Puzzles: Evaluating Interactive Reasoning and Strategic Dialogue in LLMs
par: Badola, Kartikeya, et autres
Publié: (2025)
par: Badola, Kartikeya, et autres
Publié: (2025)
MTR-Bench: A Comprehensive Benchmark for Multi-Turn Reasoning Evaluation
par: Li, Xiaoyuan, et autres
Publié: (2025)
par: Li, Xiaoyuan, et autres
Publié: (2025)
RankJudge: A Multi-Turn LLM-as-a-Judge Synthetic Benchmark Generator
par: Tang, Zhenwei, et autres
Publié: (2026)
par: Tang, Zhenwei, et autres
Publié: (2026)
Token Statistics Reveal Conversational Drift in Multi-turn LLM Interaction
par: Hafez, Wael, et autres
Publié: (2026)
par: Hafez, Wael, et autres
Publié: (2026)
Examining Identity Drift in Conversations of LLM Agents
par: Choi, Junhyuk, et autres
Publié: (2024)
par: Choi, Junhyuk, et autres
Publié: (2024)
Audio MultiChallenge: A Multi-Turn Evaluation of Spoken Dialogue Systems on Natural Human Interaction
par: Gosai, Advait, et autres
Publié: (2025)
par: Gosai, Advait, et autres
Publié: (2025)
TRACES: Proactive Safety Auditing for Multi-Turn LLM Agents via Trajectory-State Modeling
par: Li, Jiaqian, et autres
Publié: (2026)
par: Li, Jiaqian, et autres
Publié: (2026)
PICon: A Multi-Turn Interrogation Framework for Evaluating Persona Agent Consistency
par: Kim, Minseo, et autres
Publié: (2026)
par: Kim, Minseo, et autres
Publié: (2026)
CoSafe: Evaluating Large Language Model Safety in Multi-Turn Dialogue Coreference
par: Yu, Erxin, et autres
Publié: (2024)
par: Yu, Erxin, et autres
Publié: (2024)
Modeling and Predicting Multi-Turn Answer Instability in Large Language Models
par: He, Jiahang, et autres
Publié: (2025)
par: He, Jiahang, et autres
Publié: (2025)
Documents similaires
-
Evaluating the Sensitivity of LLMs to Prior Context
par: Hankache, Robert, et autres
Publié: (2025) -
Obscured but Not Erased: Evaluating Nationality Bias in LLMs via Name-Based Bias Benchmarks
par: Pelosio, Giulio, et autres
Publié: (2025) -
Drift No More? Context Equilibria in Multi-Turn LLM Interactions
par: Dongre, Vardhan, et autres
Publié: (2025) -
The Slow Drift of Support: Boundary Failures in Multi-Turn Mental Health LLM Dialogues
par: Cheng, Youyou, et autres
Publié: (2026) -
Learning an Efficient Multi-Turn Dialogue Evaluator from Multiple LLM Judges
par: Tang, Yuqi, et autres
Publié: (2025)