Buchumschlag

Measuring the metacognition of AI

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Servajean, Richard, Servajean, Philippe
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GeoPl@ntNet: A Platform for Exploring Essential Biodiversity Variables
von: Picek, Lukas, et al.
Veröffentlicht: (2025)

How to Optimize Multispecies Set Predictions in Presence-Absence Modeling ?
von: Gigot--Léandri, Sébastien, et al.
Veröffentlicht: (2026)

Impact of population size on early adaptation in rugged fitness landscapes
von: Servajean, Richard, et al.
Veröffentlicht: (2022)

Mapping biodiversity at very-high resolution in Europe
von: Leblanc, César, et al.
Veröffentlicht: (2025)

Impact of complex spatial population structure on early and long-term adaptation in rugged fitness landscapes
von: Servajean, Richard, et al.
Veröffentlicht: (2024)

Imagining and building wise machines: The centrality of AI metacognition
von: Johnson, Samuel G. B., et al.
Veröffentlicht: (2024)

Before you <think>, monitor: Implementing Flavell's metacognitive framework in LLMs
von: Oh, Nick
Veröffentlicht: (2025)

AI-based Mapping of the Conservation Status of Orchid Assemblages at Global Scale
von: Estopinan, Joaquim, et al.
Veröffentlicht: (2024)

Could you be wrong: Debiasing LLMs using a metacognitive prompt for improving human decision making
von: Hills, Thomas T.
Veröffentlicht: (2025)

Generative AI as a metacognitive agent: A comparative mixed-method study with human participants on ICF-mimicking exam performance
von: Pavlovic, Jelena, et al.
Veröffentlicht: (2024)

Domain-level metacognitive monitoring in frontier LLMs: A 33-model atlas
von: Cacioli, Jon-Paul
Veröffentlicht: (2026)

Branching Out: Broadening AI Measurement and Evaluation with Measurement Trees
von: Greenberg, Craig, et al.
Veröffentlicht: (2025)

Modelling Species Distributions with Deep Learning to Predict Plant Extinction Risk and Assess Climate Change Impacts
von: Estopinan, Joaquim, et al.
Veröffentlicht: (2024)

Measuring AI Alignment with Human Flourishing
von: Hilliard, Elizabeth, et al.
Veröffentlicht: (2025)

Measuring What Matters: The AI Pluralism Index
von: Mushkani, Rashid
Veröffentlicht: (2025)

Open-World Evaluations for Measuring Frontier AI Capabilities
von: Kapoor, Sayash, et al.
Veröffentlicht: (2026)

Measuring the environmental impact of delivering AI at Google Scale
von: Elsworth, Cooper, et al.
Veröffentlicht: (2025)

Don't Measure Once: Measuring Visibility in AI Search (GEO)
von: Schulte, Julius, et al.
Veröffentlicht: (2026)

Measuring the Machine: Evaluating Generative AI as Pluralist Sociotechical Systems
von: Johnson, Rebecca L.
Veröffentlicht: (2026)

AI Must Embrace Specialization via Superhuman Adaptable Intelligence
von: Goldfeder, Judah, et al.
Veröffentlicht: (2026)

Measuring AI R&D Automation
von: Chan, Alan, et al.
Veröffentlicht: (2026)

Measuring What Matters: Benchmarking Generative, Multimodal, and Agentic AI in Healthcare
von: Desikan, Prasanna, et al.
Veröffentlicht: (2026)

Intentionality is a Design Decision: Measuring Functional Intentionality for Accountable AI Systems
von: Chiappetta, Allessia, et al.
Veröffentlicht: (2026)

Safety by Measurement: A Systematic Literature Review of AI Safety Evaluation Methods
von: Grey, Markov, et al.
Veröffentlicht: (2025)

Measuring AI agent autonomy: Towards a scalable approach with code inspection
von: Cihon, Peter, et al.
Veröffentlicht: (2025)

Measuring AI Reasoning: A Guide for Researchers
von: Nwadike, Munachiso Samuel, et al.
Veröffentlicht: (2026)

Measuring What AI Systems Might Do: Towards A Measurement Science in AI
von: Voudouris, Konstantinos, et al.
Veröffentlicht: (2026)

Advancing Explainable AI Toward Human-Like Intelligence: Forging the Path to Artificial Brain
von: Zhou, Yongchen, et al.
Veröffentlicht: (2024)

Favi-Score: A Measure for Favoritism in Automated Preference Ratings for Generative AI Evaluation
von: von Däniken, Pius, et al.
Veröffentlicht: (2024)

Ground-Truthing AI Energy Consumption: Validating CodeCarbon Against External Measurements
von: Fischer, Raphael
Veröffentlicht: (2025)

Voice-Enabled AI Agents can Perform Common Scams
von: Fang, Richard, et al.
Veröffentlicht: (2024)

Measuring AI Ability to Complete Long Software Tasks
von: Kwa, Thomas, et al.
Veröffentlicht: (2025)

Feedback Forensics: A Toolkit to Measure AI Personality
von: Findeis, Arduin, et al.
Veröffentlicht: (2025)

Using AI to Measure Parkinson's Disease Severity at Home
von: Islam, Md Saiful, et al.
Veröffentlicht: (2023)

LLM Rationalis? Measuring Bargaining Capabilities of AI Negotiators
von: Shah, Cheril, et al.
Veröffentlicht: (2025)

Measuring AI Diffusion: A Population-Normalized Metric for Tracking Global AI Usage
von: Misra, Amit, et al.
Veröffentlicht: (2025)

Who Uses AI? Platform Selection and the Measurement of Occupational AI Exposure
von: Yin, Michelle, et al.
Veröffentlicht: (2026)

Applying the maximum entropy principle to neural networks enhances multi‐species distribution models
von: Maxime Ryckewaert, et al.
Veröffentlicht: (2026)

Applying the maximum entropy principle to neural networks enhances multi-species distribution models
von: Ryckewaert, Maxime, et al.
Veröffentlicht: (2024)

MALPOLON: A Framework for Deep Species Distribution Modeling
von: Larcher, Theo, et al.
Veröffentlicht: (2024)