Buchumschlag

MIRROR: A Hierarchical Benchmark for Metacognitive Calibration in Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Wang, Jason Z
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Cog-Rethinker: Hierarchical Metacognitive Reinforcement Learning for LLM Reasoning
von: Sun, Zexu, et al.
Veröffentlicht: (2025)

Confidence Calibration in Large Language Models
von: Michael, Noam, et al.
Veröffentlicht: (2026)

Restoring Calibration for Aligned Large Language Models: A Calibration-Aware Fine-Tuning Approach
von: Xiao, Jiancong, et al.
Veröffentlicht: (2025)

AECBench: A Hierarchical Benchmark for Knowledge Evaluation of Large Language Models in the AEC Field
von: Liang, Chen, et al.
Veröffentlicht: (2025)

CalArena: A Large-Scale Post-Hoc Calibration Benchmark
von: Berta, Eugène, et al.
Veröffentlicht: (2026)

Saliency-Aware Regularized Quantization Calibration for Large Language Models
von: Zhao, Yanlong, et al.
Veröffentlicht: (2026)

Automatic Calibration for Membership Inference Attack on Large Language Models
von: Zade, Saleh Zare, et al.
Veröffentlicht: (2025)

A Hierarchical Language Model with Predictable Scaling Laws and Provable Benefits of Reasoning
von: Gaitonde, Jason, et al.
Veröffentlicht: (2026)

A Benchmark Study on Calibration
von: Tao, Linwei, et al.
Veröffentlicht: (2023)

SALAD-Bench: A Hierarchical and Comprehensive Safety Benchmark for Large Language Models
von: Li, Lijun, et al.
Veröffentlicht: (2024)

Benchmarking Benchmark Leakage in Large Language Models
von: Xu, Ruijie, et al.
Veröffentlicht: (2024)

Beware of Calibration Data for Pruning Large Language Models
von: Ji, Yixin, et al.
Veröffentlicht: (2024)

Evidence for Limited Metacognition in LLMs
von: Ackerman, Christopher
Veröffentlicht: (2025)

The Metacognitive Probe: Five Behavioural Calibration Diagnostics for LLMs
von: Oliveira, Rafael C. T.
Veröffentlicht: (2026)

Epidemiology of Large Language Models: A Benchmark for Observational Distribution Knowledge
von: Plecko, Drago, et al.
Veröffentlicht: (2025)

Where Paths Split: Localized, Calibrated Control of Moral Reasoning in Large Language Models
von: Yuan, Chenchen, et al.
Veröffentlicht: (2026)

On Calibration of Large Language Models: From Response To Capability
von: Yang, Sin-Han, et al.
Veröffentlicht: (2026)

Revisiting Uncertainty Estimation and Calibration of Large Language Models
von: Tao, Linwei, et al.
Veröffentlicht: (2025)

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

HiPER: Hierarchical Reinforcement Learning with Explicit Credit Assignment for Large Language Model Agents
von: Peng, Jiangweizhi, et al.
Veröffentlicht: (2026)

LTSM-Bundle: A Toolbox and Benchmark on Large Language Models for Time Series Forecasting
von: Chuang, Yu-Neng, et al.
Veröffentlicht: (2024)

Hierarchical Federated Unlearning for Large Language Models
von: Zhong, Yisheng, et al.
Veröffentlicht: (2025)

TutorBench: A Benchmark To Assess Tutoring Capabilities Of Large Language Models
von: Srinivasa, Rakshith S, et al.
Veröffentlicht: (2025)

Shopping MMLU: A Massive Multi-Task Online Shopping Benchmark for Large Language Models
von: Jin, Yilun, et al.
Veröffentlicht: (2024)

CMPhysBench: A Benchmark for Evaluating Large Language Models in Condensed Matter Physics
von: Wang, Weida, et al.
Veröffentlicht: (2025)

Calibrating Long-form Generations from Large Language Models
von: Huang, Yukun, et al.
Veröffentlicht: (2024)

Knowledge-Centric Metacognitive Learning
von: Kumar, Arun, et al.
Veröffentlicht: (2024)

FormalMATH: Benchmarking Formal Mathematical Reasoning of Large Language Models
von: Yu, Zhouliang, et al.
Veröffentlicht: (2025)

Neuron-Anchored Rule Extraction for Large Language Models via Contrastive Hierarchical Ablation
von: Sovrano, Francesco, et al.
Veröffentlicht: (2026)

PalmBench: A Comprehensive Benchmark of Compressed Large Language Models on Mobile Platforms
von: Li, Yilong, et al.
Veröffentlicht: (2024)

Graph-based Confidence Calibration for Large Language Models
von: Li, Yukun, et al.
Veröffentlicht: (2024)

The Geometry of Categorical and Hierarchical Concepts in Large Language Models
von: Park, Kiho, et al.
Veröffentlicht: (2024)

Emergence of Hierarchical Emotion Organization in Large Language Models
von: Zhao, Bo, et al.
Veröffentlicht: (2025)

A Women's Health Benchmark for Large Language Models
von: Gruber, Victoria-Elisabeth, et al.
Veröffentlicht: (2025)

On the Compressibility of Quantized Large Language Models
von: Mao, Yu, et al.
Veröffentlicht: (2024)

Thinking Forward and Backward: Effective Backward Planning with Large Language Models
von: Ren, Allen Z., et al.
Veröffentlicht: (2024)

A Hierarchical Language Model For Interpretable Graph Reasoning
von: Khurana, Sambhav, et al.
Veröffentlicht: (2024)

RACER: Risk-Aware Calibrated Efficient Routing for Large Language Models
von: Hao, Sai, et al.
Veröffentlicht: (2026)

Metacognitive Capabilities of LLMs: An Exploration in Mathematical Problem Solving
von: Didolkar, Aniket, et al.
Veröffentlicht: (2024)

Eurekaverse: Environment Curriculum Generation via Large Language Models
von: Liang, William, et al.
Veröffentlicht: (2024)