Buchumschlag

\$OneMillion-Bench: How Far are Language Agents from Human Experts?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Qianyu, Liu, Yang, Li, Jiaqi, Bai, Jun, Chen, Hao, Chen, Kaiyuan, Duan, Tiliang, Dong, Jiayun, Hu, Xiaobo, Jia, Zixia, Peng, Tao, Ren, Yixin, Tian, Ran, Wang, Zaiyuan, Xiao, Yanglihong, Yao, Gang, Yin, Lingyue, Zhang, Ge, Zhang, Chun, Jiao, Jianpeng, Zheng, Zilong, Gong, Yuan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Understanding and Leveraging the Expert Specialization of Context Faithfulness in Mixture-of-Experts LLMs
von: Bai, Jun, et al.
Veröffentlicht: (2025)

Adaptive Preference Optimization with Uncertainty-aware Utility Anchor
von: Wang, Xiaobo, et al.
Veröffentlicht: (2025)

ReflectEvo: Improving Meta Introspection of Small LLMs by Learning Self-Reflection
von: Li, Jiaqi, et al.
Veröffentlicht: (2025)

FinSearchComp: Towards a Realistic, Expert-Level Evaluation of Financial Search and Reasoning
von: Hu, Liang, et al.
Veröffentlicht: (2025)

MARS-Bench: A Multi-turn Athletic Real-world Scenario Benchmark for Dialogue Evaluation
von: Yang, Chenghao, et al.
Veröffentlicht: (2025)

The AI Hippocampus: How Far are We From Human Memory?
von: Jia, Zixia, et al.
Veröffentlicht: (2026)

RAM: Towards an Ever-Improving Memory System by Learning from Communications
von: Li, Jiaqi, et al.
Veröffentlicht: (2024)

NarrativeLoom: Enhancing Creative Storytelling through Multi-Persona Collaborative Improvisation
von: Ma, Yuxi, et al.
Veröffentlicht: (2026)

RuleReasoner: Reinforced Rule-based Reasoning via Domain-aware Dynamic Sampling
von: Liu, Yang, et al.
Veröffentlicht: (2025)

Xetrieval: Mechanistically Explaining Dense Retrieval
von: Cai, Zhixin, et al.
Veröffentlicht: (2026)

Combining Supervised Learning and Reinforcement Learning for Multi-Label Classification Tasks with Partial Labels
von: Jia, Zixia, et al.
Veröffentlicht: (2024)

Domain Adversarial Active Learning for Domain Generalization Classification
von: Chen, Jianting, et al.
Veröffentlicht: (2024)

Anomalous Chern-Simons orbital magnetoelectric coupling of three-dimensional Chern insulators: gauge-discontinuity formalism and adiabatic pumping
von: Xue, Yang, et al.
Veröffentlicht: (2025)

TongSearch-QR: Reinforced Query Reasoning for Retrieval
von: Qin, Xubo, et al.
Veröffentlicht: (2025)

How Far Are We? Systematic Evaluation of LLMs vs. Human Experts in Mathematical Contest in Modeling
von: Liu, Yuhang, et al.
Veröffentlicht: (2026)

Filtrations on the derived category of twisted K3 surfaces
von: Chen, Zaiyuan, et al.
Veröffentlicht: (2024)

Make an Offer They Can't Refuse: Grounding Bayesian Persuasion in Real-World Dialogues without Pre-Commitment
von: He, Buwei, et al.
Veröffentlicht: (2025)

DiscoX: Benchmarking Discourse-Level Translation task in Expert Domains
von: Zhao, Xiying, et al.
Veröffentlicht: (2025)

C2PSA-Enhanced YOLOv11 Architecture: A Novel Approach for Small Target Detection in Cotton Disease Diagnosis
von: Wang, Kaiyuan, et al.
Veröffentlicht: (2025)

The Challenges of Textbook Access at Chinese Transnational Universities
von: Ran, Congjin, et al.
Veröffentlicht: (2020)

LLM Swiss Round: Aggregating Multi-Benchmark Performance via Competitive Swiss-System Dynamics
von: Liu, Jiashuo, et al.
Veröffentlicht: (2025)

ProBench: Judging Multimodal Foundation Models on Open-ended Multi-domain Expert Tasks
von: Yang, Yan, et al.
Veröffentlicht: (2025)

How Far are Modern Trackers from UAV-Anti-UAV? A Million-Scale Benchmark and New Baseline
von: Zhang, Chunhui, et al.
Veröffentlicht: (2025)

Deep Pyoderma Caused by Serratia marcescens in a Border Collie in China
von: Ran Wang, et al.
Veröffentlicht: (2025)

FutureX: An Advanced Live Benchmark for LLM Agents in Future Prediction
von: Zeng, Zhiyuan, et al.
Veröffentlicht: (2025)

MMLongBench-Doc: Benchmarking Long-context Document Understanding with Visualizations
von: Ma, Yubo, et al.
Veröffentlicht: (2024)

IDEA-Bench: How Far are Generative Models from Professional Designing?
von: Liang, Chen, et al.
Veröffentlicht: (2024)

Mixture of A Million Experts
von: He, Xu Owen
Veröffentlicht: (2024)

OmniGenBench: A Benchmark for Omnipotent Multimodal Generation across 50+ Tasks
von: Wang, Jiayu, et al.
Veröffentlicht: (2025)

Sparser is Faster and Less is More: Efficient Sparse Attention for Long-Range Transformers
von: Lou, Chao, et al.
Veröffentlicht: (2024)

In-Context Editing: Learning Knowledge from Self-Induced Distributions
von: Qi, Siyuan, et al.
Veröffentlicht: (2024)

Mean Curvature Flow for Isoparametric Submanifolds in Hyperbolic Spaces
von: Liu, Xiaobo, et al.
Veröffentlicht: (2025)

Action of $W$-type operators on Schur functions and Schur Q-functions
von: Liu, Xiaobo, et al.
Veröffentlicht: (2022)

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

Insulating charge transfer ferromagnetism
von: Zhang, Yixin, et al.
Veröffentlicht: (2024)

Native Parallel Reasoner: Reasoning in Parallelism via Self-Distilled Reinforcement Learning
von: Wu, Tong, et al.
Veröffentlicht: (2025)

The Flip Side of RLHF: On-Policy Feedback for Reward Model Self-Supervised Improvement
von: Wang, Xiaobo, et al.
Veröffentlicht: (2026)

LPFQA: A Long-Tail Professional Forum-based Benchmark for LLM Evaluation
von: Zhu, Liya, et al.
Veröffentlicht: (2025)

Advancements in Single Atom Catalysts for Electrocatalytic Nitrate Reduction Reaction
von: Lingyue Liu, et al.
Veröffentlicht: (2024)

Low‐Hysteresis Self‐Powered Flexible Humidity Sensor Based on Sulfonated Graphene Oxide for Breath Monitoring
von: Zhuohuan Wu, et al.
Veröffentlicht: (2025)