Buchumschlag

MASEval: Extending Multi-Agent Evaluation from Models to Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Emde, Cornelius, Rubinstein, Alexander, Goel, Anmol, Heakl, Ahmed, Yun, Sangdoo, Oh, Seong Joon, Gubri, Martin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Privacy Collapse: Benign Fine-Tuning Can Break Contextual Privacy in Language Models
von: Goel, Anmol, et al.
Veröffentlicht: (2026)

Dr.LLM: Dynamic Layer Routing in LLMs
von: Heakl, Ahmed, et al.
Veröffentlicht: (2025)

Scaling Up Membership Inference: When and How Attacks Succeed on Large Language Models
von: Puerto, Haritz, et al.
Veröffentlicht: (2024)

Leaky Thoughts: Large Reasoning Models Are Not Private Thinkers
von: Green, Tommaso, et al.
Veröffentlicht: (2025)

Calibrating Large Language Models Using Their Generations Only
von: Ulmer, Dennis, et al.
Veröffentlicht: (2024)

C-SEO Bench: Does Conversational SEO Work?
von: Puerto, Haritz, et al.
Veröffentlicht: (2025)

TRAP: Targeted Random Adversarial Prompt Honeypot for Black-Box Identification
von: Gubri, Martin, et al.
Veröffentlicht: (2024)

DISCO: Diversifying Sample Condensation for Efficient Model Evaluation
von: Rubinstein, Alexander, et al.
Veröffentlicht: (2025)

What Defines Good Reasoning in LLMs? Dissecting Reasoning Steps with Multi-Aspect Evaluation
von: Do, Heejin, et al.
Veröffentlicht: (2025)

MEME: Multi-entity & Evolving Memory Evaluation
von: Jung, Seokwon, et al.
Veröffentlicht: (2026)

Is Multilingual LLM Watermarking Truly Multilingual? Scaling Robustness to 100+ Languages via Back-Translation
von: Mohamed, Asim, et al.
Veröffentlicht: (2025)

Do Deep Neural Network Solutions Form a Star Domain?
von: Sonthalia, Ankit, et al.
Veröffentlicht: (2024)

Code-Switching Curriculum Learning for Multilingual Transfer in LLMs
von: Yoo, Haneul, et al.
Veröffentlicht: (2024)

Scalable Ensemble Diversification for OOD Generalization and Detection
von: Rubinstein, Alexander, et al.
Veröffentlicht: (2024)

Are We Done with Object-Centric Learning?
von: Rubinstein, Alexander, et al.
Veröffentlicht: (2025)

AraSpider: Democratizing Arabic-to-SQL
von: Heakl, Ahmed, et al.
Veröffentlicht: (2024)

ResumeAtlas: Revisiting Resume Classification with Large-Scale Datasets and Large Language Models
von: Heakl, Ahmed, et al.
Veröffentlicht: (2024)

A Step Towards Mixture of Grader: Statistical Analysis of Existing Automatic Evaluation Metrics
von: Soh, Yun Joon, et al.
Veröffentlicht: (2024)

Intrinsic Guardrails: How Semantic Geometry of Personality Interacts with Emergent Misalignment in LLMs
von: Aneja, Krishak, et al.
Veröffentlicht: (2026)

Planner and Executor: Collaboration between Discrete Diffusion And Autoregressive Models in Reasoning
von: Berrayana, Lina, et al.
Veröffentlicht: (2025)

LLM generation novelty through the lens of semantic similarity
von: Davydov, Philipp, et al.
Veröffentlicht: (2025)

From Human Judgements to Predictive Models: Unravelling Acceptability in Code-Mixed Sentences
von: Kodali, Prashant, et al.
Veröffentlicht: (2024)

Mitigating Shortcut Learning with Diffusion Counterfactuals and Diverse Ensembles
von: Scimeca, Luca, et al.
Veröffentlicht: (2023)

Multi-stage Prompt Refinement for Mitigating Hallucinations in Large Language Models
von: Shim, Jung-Woo, et al.
Veröffentlicht: (2025)

Domain-Partitioned Hybrid RAG for Legal Reasoning: Toward Modular and Explainable Legal AI for India
von: Goel, Rakshita, et al.
Veröffentlicht: (2025)

ArzEn-LLM: Code-Switched Egyptian Arabic-English Translation and Speech Recognition Using LLMs
von: Heakl, Ahmed, et al.
Veröffentlicht: (2024)

SysTemp: A Multi-Agent System for Template-Based Generation of SysML v2
von: Bouamra, Yasmine, et al.
Veröffentlicht: (2025)

MATA: Multi-Agent Framework for Reliable and Flexible Table Question Answering
von: Hyeon, Sieun, et al.
Veröffentlicht: (2026)

MultiParaDetox: Extending Text Detoxification with Parallel Data to New Languages
von: Dementieva, Daryna, et al.
Veröffentlicht: (2024)

IntellAgent: A Multi-Agent Framework for Evaluating Conversational AI Systems
von: Levi, Elad, et al.
Veröffentlicht: (2025)

Synthetic Feature Augmentation Improves Generalization Performance of Language Models
von: Choudhary, Ashok, et al.
Veröffentlicht: (2025)

Multi-Agent Simulator Drives Language Models for Legal Intensive Interaction
von: Yue, Shengbin, et al.
Veröffentlicht: (2025)

Knowledge Tagging with Large Language Model based Multi-Agent System
von: Li, Hang, et al.
Veröffentlicht: (2024)

ASIC-Agent: An Autonomous Multi-Agent System for ASIC Design with Benchmark Evaluation
von: Allam, Ahmed, et al.
Veröffentlicht: (2025)

Shh, don't say that! Domain Certification in LLMs
von: Emde, Cornelius, et al.
Veröffentlicht: (2025)

Auditing Language Model Unlearning via Information Decomposition
von: Goel, Anmol, et al.
Veröffentlicht: (2026)

Large Language Models as User-Agents for Evaluating Task-Oriented-Dialogue Systems
von: Kazi, Taaha, et al.
Veröffentlicht: (2024)

Be My Eyes: Extending Large Language Models to New Modalities Through Multi-Agent Collaboration
von: Huang, James Y., et al.
Veröffentlicht: (2025)

MIRIX: Multi-Agent Memory System for LLM-Based Agents
von: Wang, Yu, et al.
Veröffentlicht: (2025)

First Hallucination Tokens Are Different from Conditional Ones
von: Snel, Jakob, et al.
Veröffentlicht: (2025)