:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	El-Naggar, Nadine, Kuribayashi, Tatsuki, Briscoe, Ted
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language
Online-Zugang:	https://arxiv.org/abs/2604.26844
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Which Word Orders Facilitate Length Generalization in LMs? An Investigation with GCG-Based Artificial Languages
von: El-Naggar, Nadine, et al.
Veröffentlicht: (2025)

Emergent Word Order Universals from Cognitively-Motivated Language Models
von: Kuribayashi, Tatsuki, et al.
Veröffentlicht: (2024)

On Representational Dissociation of Language and Arithmetic in Large Language Models
von: Kisako, Riku, et al.
Veröffentlicht: (2025)

Does Vision Accelerate Hierarchical Generalization in Neural Language Learners?
von: Kuribayashi, Tatsuki, et al.
Veröffentlicht: (2023)

Psychometric Predictive Power of Large Language Models
von: Kuribayashi, Tatsuki, et al.
Veröffentlicht: (2023)

Can Language Models Learn Typologically Implausible Languages?
von: Xu, Tianyang, et al.
Veröffentlicht: (2025)

Syntactic Learnability of Echo State Neural Language Models at Scale
von: Ueda, Ryo, et al.
Veröffentlicht: (2025)

Dual Alignment Between Language Model Layers and Human Sentence Processing
von: Kuribayashi, Tatsuki, et al.
Veröffentlicht: (2026)

Large Language Models Are Human-Like Internally
von: Kuribayashi, Tatsuki, et al.
Veröffentlicht: (2025)

An Existence Proof for Neural Language Models That Can Explain Garden-Path Effects via Surprisal
von: Yoshida, Ryo, et al.
Veröffentlicht: (2026)

Can Input Attributions Explain Inductive Reasoning in In-Context Learning?
von: Ye, Mengyu, et al.
Veröffentlicht: (2024)

First Heuristic Then Rational: Dynamic Use of Heuristics in Language Model Reasoning
von: Aoki, Yoichi, et al.
Veröffentlicht: (2024)

What Languages are Easy to Language-Model? A Perspective from Learning Probabilistic Regular Languages
von: Borenstein, Nadav, et al.
Veröffentlicht: (2024)

Analyzing Feed-Forward Blocks in Transformers through the Lens of Attention Maps
von: Kobayashi, Goro, et al.
Veröffentlicht: (2023)

PeerQA: A Scientific Question Answering Dataset from Peer Reviews
von: Baumgärtner, Tim, et al.
Veröffentlicht: (2025)

To Drop or Not to Drop? Predicting Argument Ellipsis Judgments: A Case Study in Japanese
von: Ishizuki, Yukiko, et al.
Veröffentlicht: (2024)

What do Language Models Learn and When? The Implicit Curriculum Hypothesis
von: Liu, Emmy, et al.
Veröffentlicht: (2026)

What Kinds of Tokens Benefit from Distant Text? An Analysis on Long Context Language Modeling
von: Hu, Yutong, et al.
Veröffentlicht: (2024)

The Good, the Bad and the Constructive: Automatically Measuring Peer Review's Utility for Authors
von: Sadallah, Abdelrahman, et al.
Veröffentlicht: (2025)

Can an Easy-to-Hard Curriculum Make Reasoning Emerge in Small Language Models? Evidence from a Four-Stage Curriculum on GPT-2
von: Fu, Xiang
Veröffentlicht: (2025)

Enhancing Arabic Automated Essay Scoring with Synthetic Data and Error Injection
von: Qwaider, Chatrine, et al.
Veröffentlicht: (2025)

ARWI: Arabic Write and Improve
von: Chirkunov, Kirill, et al.
Veröffentlicht: (2025)

RIRAG: Regulatory Information Retrieval and Answer Generation
von: Gokhan, Tuba, et al.
Veröffentlicht: (2024)

What Kind of Reasoning (if any) is an LLM actually doing? On the Stochastic Nature and Abductive Appearance of Large Language Models
von: Floridi, Luciano, et al.
Veröffentlicht: (2025)

Rethinking Easy-to-Hard: Limits of Curriculum Learning in Post-Training for Deductive Reasoning
von: Mordig, Maximilian, et al.
Veröffentlicht: (2026)

Can Language Models Represent the Past without Anachronism?
von: Underwood, Ted, et al.
Veröffentlicht: (2025)

Exploring Large Language Models to generate Easy to Read content
von: Martínez, Paloma, et al.
Veröffentlicht: (2024)

LLMs Faithfully and Iteratively Compute Answers During CoT: A Systematic Analysis With Multi-step Arithmetics
von: Kudo, Keito, et al.
Veröffentlicht: (2024)

EasyInstruct: An Easy-to-use Instruction Processing Framework for Large Language Models
von: Ou, Yixin, et al.
Veröffentlicht: (2024)

EasyEdit: An Easy-to-use Knowledge Editing Framework for Large Language Models
von: Wang, Peng, et al.
Veröffentlicht: (2023)

Frustratingly Easy Task-aware Pruning for Large Language Models
von: Tian, Yuanhe, et al.
Veröffentlicht: (2025)

EasyEdit2: An Easy-to-use Steering Framework for Editing Large Language Models
von: Xu, Ziwen, et al.
Veröffentlicht: (2025)

Value Entanglement: Conflation Between Different Kinds of Good In (Some) Large Language Models
von: Cho, Seong Hah, et al.
Veröffentlicht: (2026)

It's Not Easy Being Wrong: Large Language Models Struggle with Process of Elimination Reasoning
von: Balepur, Nishant, et al.
Veröffentlicht: (2023)

Curriculum Reinforcement Learning from Easy to Hard Tasks Improves LLM Reasoning
von: Parashar, Shubham, et al.
Veröffentlicht: (2025)

EEVEE: An Easy Annotation Tool for Natural Language Processing
von: Sorensen, Axel, et al.
Veröffentlicht: (2024)

EasyJailbreak: A Unified Framework for Jailbreaking Large Language Models
von: Zhou, Weikang, et al.
Veröffentlicht: (2024)

Do Syntactic Categories Help in Developmentally Motivated Curriculum Learning for Language Models?
von: Güven, Arzu Burcu, et al.
Veröffentlicht: (2025)

Constrained Sampling for Language Models Should Be Easy: An MCMC Perspective
von: Gonzalez, Emmanuel Anaya, et al.
Veröffentlicht: (2025)

Can LLMs Simulate L2-English Dialogue? An Information-Theoretic Analysis of L1-Dependent Biases
von: Gao, Rena, et al.
Veröffentlicht: (2025)