EpiBench: Benchmarking Multi-turn Research Workflows for Multimodal Agents
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Dong, Xuan, Zheng, Huanyang, Niu, Tianhao, Han, Zhe, Li, Pengzhan, Liu, Bofei, Liu, Zhengyang, Li, Guancheng, Zhu, Qingfu, Che, Wanxiang |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
ChartREG++: Towards Benchmarking and Improving Chart Referring Expression Grounding under Diverse referring clues and Multi-Target Referring
par: Niu, Tianhao, et autres
Publié: (2026)
par: Niu, Tianhao, et autres
Publié: (2026)
Fitting Is Not Enough: Smoothness in Extremely Quantized LLMs
par: Xu, Yuzhuang, et autres
Publié: (2026)
par: Xu, Yuzhuang, et autres
Publié: (2026)
EpiCastBench: Datasets and Benchmarks for Multivariate Epidemic Forecasting
par: Panja, Madhurima, et autres
Publié: (2026)
par: Panja, Madhurima, et autres
Publié: (2026)
MULTITAT: Benchmarking Multilingual Table-and-Text Question Answering
par: Zhang, Xuanliang, et autres
Publié: (2025)
par: Zhang, Xuanliang, et autres
Publié: (2025)
Scaling Laws for Agent Harnesses via Effective Feedback Compute
par: Zhang, Xuanliang, et autres
Publié: (2026)
par: Zhang, Xuanliang, et autres
Publié: (2026)
Exploring Multi-Grained Concept Annotations for Multimodal Large Language Models
par: Xu, Xiao, et autres
Publié: (2024)
par: Xu, Xiao, et autres
Publié: (2024)
EpiLearn: A Python Library for Machine Learning in Epidemic Modeling
par: Liu, Zewen, et autres
Publié: (2024)
par: Liu, Zewen, et autres
Publié: (2024)
Seer Self-Consistency: Advance Budget Estimation for Adaptive Test-Time Scaling
par: Ji, Shiyu, et autres
Publié: (2025)
par: Ji, Shiyu, et autres
Publié: (2025)
EchoKV: Efficient KV Cache Compression via Similarity-Based Reconstruction
par: Ji, Shiyu, et autres
Publié: (2026)
par: Ji, Shiyu, et autres
Publié: (2026)
CRVQ: Channel-Relaxed Vector Quantization for Extreme Compression of LLMs
par: Xu, Yuzhuang, et autres
Publié: (2024)
par: Xu, Yuzhuang, et autres
Publié: (2024)
Exploring Hybrid Question Answering via Program-based Prompting
par: Shi, Qi, et autres
Publié: (2024)
par: Shi, Qi, et autres
Publié: (2024)
CommonKV: Compressing KV Cache with Cross-layer Parameter Sharing
par: Wang, Yixuan, et autres
Publié: (2025)
par: Wang, Yixuan, et autres
Publié: (2025)
ReF Decompile: Relabeling and Function Call Enhanced Decompile
par: Feng, Yunlong, et autres
Publié: (2025)
par: Feng, Yunlong, et autres
Publié: (2025)
EgoBench: An Interactive Egocentric Multimodal Benchmark for Tool-Using Agents
par: Liu, Yunqi, et autres
Publié: (2026)
par: Liu, Yunqi, et autres
Publié: (2026)
AlignEvoSkill: Towards Knowledge-Aware and Task-Aligned Agent Skill Evolution
par: Wang, Dingzirui, et autres
Publié: (2025)
par: Wang, Dingzirui, et autres
Publié: (2025)
MMDeepResearch-Bench: A Benchmark for Multimodal Deep Research Agents
par: Huang, Peizhou, et autres
Publié: (2026)
par: Huang, Peizhou, et autres
Publié: (2026)
DataGovBench: Benchmarking LLM Agents for Real-World Data Governance Workflows
par: Liu, Zhou, et autres
Publié: (2025)
par: Liu, Zhou, et autres
Publié: (2025)
VNU-Bench: A Benchmarking Dataset for Multi-Source Multimodal News Video Understanding
par: Liu, Zibo, et autres
Publié: (2026)
par: Liu, Zibo, et autres
Publié: (2026)
Harness-Bench: Measuring Harness Effects across Models in Realistic Agent Workflows
par: Yao, Yilun, et autres
Publié: (2026)
par: Yao, Yilun, et autres
Publié: (2026)
Improving Grammatical Error Correction via Contextual Data Augmentation
par: Wang, Yixuan, et autres
Publié: (2024)
par: Wang, Yixuan, et autres
Publié: (2024)
Advancing Tool-Augmented Large Language Models via Meta-Verification and Reflection Learning
par: Ma, Zhiyuan, et autres
Publié: (2025)
par: Ma, Zhiyuan, et autres
Publié: (2025)
SpatialEpiBench: Benchmarking Spatial Information and Epidemic Priors in Forecasting
par: Lyu, Ruiqi, et autres
Publié: (2026)
par: Lyu, Ruiqi, et autres
Publié: (2026)
Automated Snippet-Alignment Data Augmentation for Code Translation
par: Zhang, Zhiming, et autres
Publié: (2025)
par: Zhang, Zhiming, et autres
Publié: (2025)
Improving Demonstration Diversity by Human-Free Fusing for Text-to-SQL
par: Wang, Dingzirui, et autres
Publié: (2024)
par: Wang, Dingzirui, et autres
Publié: (2024)
Enhancing Numerical Reasoning with the Guidance of Reliable Reasoning Processes
par: Wang, Dingzirui, et autres
Publié: (2024)
par: Wang, Dingzirui, et autres
Publié: (2024)
DAC: Decomposed Automation Correction for Text-to-SQL
par: Wang, Dingzirui, et autres
Publié: (2024)
par: Wang, Dingzirui, et autres
Publié: (2024)
MURRE: Multi-Hop Table Retrieval with Removal for Open-Domain Text-to-SQL
par: Zhang, Xuanliang, et autres
Publié: (2024)
par: Zhang, Xuanliang, et autres
Publié: (2024)
How Do Language Models Understand Tables? A Mechanistic Analysis of Cell Location
par: Zhang, Xuanliang, et autres
Publié: (2026)
par: Zhang, Xuanliang, et autres
Publié: (2026)
Abacus-SQL: A Text-to-SQL System Empowering Cross-Domain and Open-Domain Database Retrieval
par: Xu, Keyan, et autres
Publié: (2025)
par: Xu, Keyan, et autres
Publié: (2025)
RoT: Enhancing Table Reasoning with Iterative Row-Wise Traversals
par: Zhang, Xuanliang, et autres
Publié: (2025)
par: Zhang, Xuanliang, et autres
Publié: (2025)
A Survey of Table Reasoning with Large Language Models
par: Zhang, Xuanliang, et autres
Publié: (2024)
par: Zhang, Xuanliang, et autres
Publié: (2024)
Claw-Eval-Live: A Live Agent Benchmark for Evolving Real-World Workflows
par: Li, Chenxin, et autres
Publié: (2026)
par: Li, Chenxin, et autres
Publié: (2026)
OneBit: Towards Extremely Low-bit Large Language Models
par: Xu, Yuzhuang, et autres
Publié: (2024)
par: Xu, Yuzhuang, et autres
Publié: (2024)
FlowBench: Revisiting and Benchmarking Workflow-Guided Planning for LLM-based Agents
par: Xiao, Ruixuan, et autres
Publié: (2024)
par: Xiao, Ruixuan, et autres
Publié: (2024)
MPCC: A Novel Benchmark for Multimodal Planning with Complex Constraints in Multimodal Large Language Models
par: Ji, Yiyan, et autres
Publié: (2025)
par: Ji, Yiyan, et autres
Publié: (2025)
CAMERA: Multi-Matrix Joint Compression for MoE Models via Micro-Expert Redundancy Analysis
par: Xu, Yuzhuang, et autres
Publié: (2025)
par: Xu, Yuzhuang, et autres
Publié: (2025)
VisBrowse-Bench: Benchmarking Visual-Native Search for Multimodal Browsing Agents
par: Zhang, Zhengbo, et autres
Publié: (2026)
par: Zhang, Zhengbo, et autres
Publié: (2026)
MedOpenClaw and MedFlowBench: Auditing Medical Agents in Full-Study Workflows
par: Shen, Weixiang, et autres
Publié: (2026)
par: Shen, Weixiang, et autres
Publié: (2026)
FairMT-Bench: Benchmarking Fairness for Multi-turn Dialogue in Conversational LLMs
par: Fan, Zhiting, et autres
Publié: (2024)
par: Fan, Zhiting, et autres
Publié: (2024)
Think Before You Accept: Semantic Reflective Verification for Faster Speculative Decoding
par: Wang, Yixuan, et autres
Publié: (2025)
par: Wang, Yixuan, et autres
Publié: (2025)
Documents similaires
-
ChartREG++: Towards Benchmarking and Improving Chart Referring Expression Grounding under Diverse referring clues and Multi-Target Referring
par: Niu, Tianhao, et autres
Publié: (2026) -
Fitting Is Not Enough: Smoothness in Extremely Quantized LLMs
par: Xu, Yuzhuang, et autres
Publié: (2026) -
EpiCastBench: Datasets and Benchmarks for Multivariate Epidemic Forecasting
par: Panja, Madhurima, et autres
Publié: (2026) -
MULTITAT: Benchmarking Multilingual Table-and-Text Question Answering
par: Zhang, Xuanliang, et autres
Publié: (2025) -
Scaling Laws for Agent Harnesses via Effective Feedback Compute
par: Zhang, Xuanliang, et autres
Publié: (2026)