Enregistré dans:
| Auteurs principaux: | Eigler, Lukáš, Libovický, Jindřich, Hurych, David |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2603.09403 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
On the Credibility of Evaluating LLMs using Survey Questions
par: Libovický, Jindřich
Publié: (2026)
par: Libovický, Jindřich
Publié: (2026)
Lexically Grounded Subword Segmentation
par: Libovický, Jindřich, et autres
Publié: (2024)
par: Libovický, Jindřich, et autres
Publié: (2024)
Evaluating Morphological Plausibility of Subword Tokenization via Statistical Alignment with Morpho-Syntactic Features
par: Stephen, Abishek, et autres
Publié: (2026)
par: Stephen, Abishek, et autres
Publié: (2026)
Investigating the Effect of Parallel Data in the Cross-Lingual Transfer for Vision-Language Encoders
par: Manea, Andrei-Alexandru, et autres
Publié: (2025)
par: Manea, Andrei-Alexandru, et autres
Publié: (2025)
Crowdsourcing Piedmontese to Test LLMs on Non-Standard Orthography
par: Vico, Gianluca, et autres
Publié: (2026)
par: Vico, Gianluca, et autres
Publié: (2026)
Different Time, Different Language: Revisiting the Bias Against Non-Native Speakers in GPT Detectors
par: Ali, Adnan Al, et autres
Publié: (2026)
par: Ali, Adnan Al, et autres
Publié: (2026)
How Gender Interacts with Political Values: A Case Study on Czech BERT Models
par: Ali, Adnan Al, et autres
Publié: (2024)
par: Ali, Adnan Al, et autres
Publié: (2024)
Multilingual Vision-Language Models, A Survey
par: Manea, Andrei-Alexandru, et autres
Publié: (2025)
par: Manea, Andrei-Alexandru, et autres
Publié: (2025)
CUS-QA: Local-Knowledge-Oriented Open-Ended Question Answering Dataset
par: Libovický, Jindřich, et autres
Publié: (2025)
par: Libovický, Jindřich, et autres
Publié: (2025)
Understanding Cross-Lingual Alignment -- A Survey
par: Hämmerl, Katharina, et autres
Publié: (2024)
par: Hämmerl, Katharina, et autres
Publié: (2024)
Beyond Literal Token Overlap: Token Alignability for Multilinguality
par: Hämmerl, Katharina, et autres
Publié: (2025)
par: Hämmerl, Katharina, et autres
Publié: (2025)
Teaching LLMs at Charles University: Assignments and Activities
par: Helcl, Jindřich, et autres
Publié: (2024)
par: Helcl, Jindřich, et autres
Publié: (2024)
Enhancing Conceptual Understanding in Multimodal Contrastive Learning through Hard Negative Samples
par: Rösch, Philipp J., et autres
Publié: (2024)
par: Rösch, Philipp J., et autres
Publié: (2024)
Conditional Unigram Tokenization with Parallel Data
par: Vico, Gianluca, et autres
Publié: (2025)
par: Vico, Gianluca, et autres
Publié: (2025)
Evaluating Metrics for Safety with LLM-as-Judges
par: Clegg, Kester, et autres
Publié: (2025)
par: Clegg, Kester, et autres
Publié: (2025)
Evaluation Metrics for Text Data Augmentation in NLP
par: Amadeus, Marcellus, et autres
Publié: (2024)
par: Amadeus, Marcellus, et autres
Publié: (2024)
Charles Translator: A Machine Translation System between Ukrainian and Czech
par: Popel, Martin, et autres
Publié: (2024)
par: Popel, Martin, et autres
Publié: (2024)
Multilingual Text-to-Image Generation Magnifies Gender Stereotypes and Prompt Engineering May Not Help You
par: Friedrich, Felix, et autres
Publié: (2024)
par: Friedrich, Felix, et autres
Publié: (2024)
An LLM-as-Judge Metric for Bridging the Gap with Human Evaluation in SE Tasks
par: Zhou, Xin, et autres
Publié: (2025)
par: Zhou, Xin, et autres
Publié: (2025)
Systematic Evaluation of LLM-as-a-Judge in LLM Alignment Tasks: Explainable Metrics and Diverse Prompt Templates
par: Wei, Hui, et autres
Publié: (2024)
par: Wei, Hui, et autres
Publié: (2024)
Agreement Metrics for LLM-as-Judge Evaluation: What to Report and Why
par: Rao, Delip, et autres
Publié: (2026)
par: Rao, Delip, et autres
Publié: (2026)
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)
NagaNLP: Bootstrapping NLP for Low-Resource Nagamese Creole with Human-in-the-Loop Synthetic Data
par: Maiti, Agniva, et autres
Publié: (2025)
par: Maiti, Agniva, et autres
Publié: (2025)
Beyond LLM-as-a-Judge: Deterministic Metrics for Multilingual Generative Text Evaluation
par: Alam, Firoj, et autres
Publié: (2026)
par: Alam, Firoj, et autres
Publié: (2026)
HarmMetric Eval: Benchmarking Metrics and Judges for LLM Harmfulness Assessment
par: Yang, Langqi, et autres
Publié: (2025)
par: Yang, Langqi, et autres
Publié: (2025)
MM-Eval: A Multilingual Meta-Evaluation Benchmark for LLM-as-a-Judge and Reward Models
par: Son, Guijin, et autres
Publié: (2024)
par: Son, Guijin, et autres
Publié: (2024)
When Metrics Disagree: Automatic Similarity vs. LLM-as-a-Judge for Clinical Dialogue Evaluation
par: Sun, Bian, et autres
Publié: (2026)
par: Sun, Bian, et autres
Publié: (2026)
We Need to Talk About Classification Evaluation Metrics in NLP
par: Vickers, Peter, et autres
Publié: (2024)
par: Vickers, Peter, et autres
Publié: (2024)
Who Judges the Judge? Evaluating LLM-as-a-Judge for French Medical open-ended QA
par: Belmadani, Ikram, et autres
Publié: (2026)
par: Belmadani, Ikram, et autres
Publié: (2026)
Evaluating Scoring Bias in LLM-as-a-Judge
par: Li, Qingquan, et autres
Publié: (2025)
par: Li, Qingquan, et autres
Publié: (2025)
SEAL: Can Saturated Benchmarks Be Revived by LLM-as-a-Meta-Judge?
par: Chen, Jiamin, et autres
Publié: (2026)
par: Chen, Jiamin, et autres
Publié: (2026)
LLMs instead of Human Judges? A Large Scale Empirical Study across 20 NLP Evaluation Tasks
par: Bavaresco, Anna, et autres
Publié: (2024)
par: Bavaresco, Anna, et autres
Publié: (2024)
CyclicJudge: Mitigating Judge Bias Efficiently in LLM-based Evaluation
par: Zhu, Ziyi, et autres
Publié: (2026)
par: Zhu, Ziyi, et autres
Publié: (2026)
LLM-as-a-Judge for Privacy Evaluation? Exploring the Alignment of Human and LLM Perceptions of Privacy in Textual Data
par: Meisenbacher, Stephen, et autres
Publié: (2025)
par: Meisenbacher, Stephen, et autres
Publié: (2025)
Contextual Metric Meta-Evaluation by Measuring Local Metric Accuracy
par: Deviyani, Athiya, et autres
Publié: (2025)
par: Deviyani, Athiya, et autres
Publié: (2025)
Meta-Rewarding Language Models: Self-Improving Alignment with LLM-as-a-Meta-Judge
par: Wu, Tianhao, et autres
Publié: (2024)
par: Wu, Tianhao, et autres
Publié: (2024)
Counting on Consensus: Selecting the Right Inter-annotator Agreement Metric for NLP Annotation and Evaluation
par: James, Joseph
Publié: (2026)
par: James, Joseph
Publié: (2026)
Evaluating Judges as Evaluators: The JETTS Benchmark of LLM-as-Judges as Test-Time Scaling Evaluators
par: Zhou, Yilun, et autres
Publié: (2025)
par: Zhou, Yilun, et autres
Publié: (2025)
Balanced Accuracy: The Right Metric for Evaluating LLM Judges -- Explained through Youden's J statistic
par: Collot, Stephane, et autres
Publié: (2025)
par: Collot, Stephane, et autres
Publié: (2025)
Criterion Validity of LLM-as-Judge for Business Outcomes in Conversational Commerce
par: Chen, Liang, et autres
Publié: (2026)
par: Chen, Liang, et autres
Publié: (2026)
Documents similaires
-
On the Credibility of Evaluating LLMs using Survey Questions
par: Libovický, Jindřich
Publié: (2026) -
Lexically Grounded Subword Segmentation
par: Libovický, Jindřich, et autres
Publié: (2024) -
Evaluating Morphological Plausibility of Subword Tokenization via Statistical Alignment with Morpho-Syntactic Features
par: Stephen, Abishek, et autres
Publié: (2026) -
Investigating the Effect of Parallel Data in the Cross-Lingual Transfer for Vision-Language Encoders
par: Manea, Andrei-Alexandru, et autres
Publié: (2025) -
Crowdsourcing Piedmontese to Test LLMs on Non-Standard Orthography
par: Vico, Gianluca, et autres
Publié: (2026)