GeoBuildBench: A Benchmark for Interactive and Executable Geometry Construction from Natural Language
Fuente:
arXiv
Salvato in:
| Autori principali: | Kim, Jinwoong, Yang, Rui, Zhang, Huishuai |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
EVM-QuestBench: An Execution-Grounded Benchmark for Natural-Language Transaction Code Generation
di: Yang, Pei, et al.
Pubblicazione: (2026)
di: Yang, Pei, et al.
Pubblicazione: (2026)
MaBERT:A Padding Safe Interleaved Transformer Mamba Hybrid Encoder for Efficient Extended Context Masked Language Modeling
di: Kim, Jinwoong, et al.
Pubblicazione: (2026)
di: Kim, Jinwoong, et al.
Pubblicazione: (2026)
QuantCode-Bench: A Benchmark for Evaluating the Ability of Large Language Models to Generate Executable Algorithmic Trading Strategies
di: Khoroshilov, Alexey, et al.
Pubblicazione: (2026)
di: Khoroshilov, Alexey, et al.
Pubblicazione: (2026)
InteractWeb-Bench: Can Multimodal Agent Escape Blind Execution in Interactive Website Generation?
di: Wang, Qiyao, et al.
Pubblicazione: (2026)
di: Wang, Qiyao, et al.
Pubblicazione: (2026)
Fostering Natural Conversation in Large Language Models with NICO: a Natural Interactive COnversation dataset
di: Sun, Renliang, et al.
Pubblicazione: (2024)
di: Sun, Renliang, et al.
Pubblicazione: (2024)
AIDBench: A benchmark for evaluating the authorship identification capability of large language models
di: Wen, Zichen, et al.
Pubblicazione: (2024)
di: Wen, Zichen, et al.
Pubblicazione: (2024)
StreamBench: Towards Benchmarking Continuous Improvement of Language Agents
di: Wu, Cheng-Kuang, et al.
Pubblicazione: (2024)
di: Wu, Cheng-Kuang, et al.
Pubblicazione: (2024)
CodeSpecBench: Benchmarking LLMs for Executable Behavioral Specification Generation
di: Chen, Zaoyu, et al.
Pubblicazione: (2026)
di: Chen, Zaoyu, et al.
Pubblicazione: (2026)
De-Anonymization at Scale via Tournament-Style Attribution
di: Zhang, Lirui, et al.
Pubblicazione: (2026)
di: Zhang, Lirui, et al.
Pubblicazione: (2026)
KULTURE Bench: A Benchmark for Assessing Language Model in Korean Cultural Context
di: Wang, Xiaonan, et al.
Pubblicazione: (2024)
di: Wang, Xiaonan, et al.
Pubblicazione: (2024)
RM-Bench: Benchmarking Reward Models of Language Models with Subtlety and Style
di: Liu, Yantao, et al.
Pubblicazione: (2024)
di: Liu, Yantao, et al.
Pubblicazione: (2024)
ExecRepoBench: Multi-level Executable Code Completion Evaluation
di: Yang, Jian, et al.
Pubblicazione: (2024)
di: Yang, Jian, et al.
Pubblicazione: (2024)
GLEN-Bench: A Graph-Language based Benchmark for Nutritional Health
di: Huang, Jiatan, et al.
Pubblicazione: (2026)
di: Huang, Jiatan, et al.
Pubblicazione: (2026)
CodeBenchGen: Creating Scalable Execution-based Code Generation Benchmarks
di: Xie, Yiqing, et al.
Pubblicazione: (2024)
di: Xie, Yiqing, et al.
Pubblicazione: (2024)
BenchBench: Benchmarking Automated Benchmark Generation
di: Zheng, Yandan, et al.
Pubblicazione: (2026)
di: Zheng, Yandan, et al.
Pubblicazione: (2026)
CodeCriticBench: A Holistic Code Critique Benchmark for Large Language Models
di: Zhang, Alexander, et al.
Pubblicazione: (2025)
di: Zhang, Alexander, et al.
Pubblicazione: (2025)
Latent Preference Coding: Aligning Large Language Models via Discrete Latent Codes
di: Gong, Zhuocheng, et al.
Pubblicazione: (2025)
di: Gong, Zhuocheng, et al.
Pubblicazione: (2025)
CEQuest: Benchmarking Large Language Models for Construction Estimation
di: Wu, Yanzhao, et al.
Pubblicazione: (2025)
di: Wu, Yanzhao, et al.
Pubblicazione: (2025)
ProBench: Benchmarking Large Language Models in Competitive Programming
di: Yang, Lei, et al.
Pubblicazione: (2025)
di: Yang, Lei, et al.
Pubblicazione: (2025)
VehicleMemBench: An Executable Benchmark for Multi-User Long-Term Memory in In-Vehicle Agents
di: Chen, Yuhao, et al.
Pubblicazione: (2026)
di: Chen, Yuhao, et al.
Pubblicazione: (2026)
VULCA-Bench: A Multicultural Vision-Language Benchmark for Evaluating Cultural Understanding
di: Yu, Haorui, et al.
Pubblicazione: (2026)
di: Yu, Haorui, et al.
Pubblicazione: (2026)
MojoBench: Language Modeling and Benchmarks for Mojo
di: Raihan, Nishat, et al.
Pubblicazione: (2024)
di: Raihan, Nishat, et al.
Pubblicazione: (2024)
BIOME-Bench: A Benchmark for Biomolecular Interaction Inference and Multi-Omics Pathway Mechanism Elucidation from Scientific Literature
di: Wei, Sibo, et al.
Pubblicazione: (2025)
di: Wei, Sibo, et al.
Pubblicazione: (2025)
LiveSearchBench: An Automatically Constructed Benchmark for Retrieval and Reasoning over Dynamic Knowledge
di: Zhou, Heng, et al.
Pubblicazione: (2025)
di: Zhou, Heng, et al.
Pubblicazione: (2025)
$\texttt{YC-Bench}$: Benchmarking AI Agents for Long-Term Planning and Consistent Execution
di: He, Muyu, et al.
Pubblicazione: (2026)
di: He, Muyu, et al.
Pubblicazione: (2026)
AntiLeakBench: Preventing Data Contamination by Automatically Constructing Benchmarks with Updated Real-World Knowledge
di: Wu, Xiaobao, et al.
Pubblicazione: (2024)
di: Wu, Xiaobao, et al.
Pubblicazione: (2024)
PALM-Bench: A Comprehensive Benchmark for Personalized Audio-Language Models
di: Wang, Yuwen, et al.
Pubblicazione: (2026)
di: Wang, Yuwen, et al.
Pubblicazione: (2026)
FactBench: A Dynamic Benchmark for In-the-Wild Language Model Factuality Evaluation
di: Bayat, Farima Fatahi, et al.
Pubblicazione: (2024)
di: Bayat, Farima Fatahi, et al.
Pubblicazione: (2024)
CharacterBench: Benchmarking Character Customization of Large Language Models
di: Zhou, Jinfeng, et al.
Pubblicazione: (2024)
di: Zhou, Jinfeng, et al.
Pubblicazione: (2024)
L0-Reasoning Bench: Evaluating Procedural Correctness in Language Models via Simple Program Execution
di: Sun, Simeng, et al.
Pubblicazione: (2025)
di: Sun, Simeng, et al.
Pubblicazione: (2025)
FormosanBench: Benchmarking Low-Resource Austronesian Languages in the Era of Large Language Models
di: Lin, Kaiying Kevin, et al.
Pubblicazione: (2025)
di: Lin, Kaiying Kevin, et al.
Pubblicazione: (2025)
Evidence-Enhanced Triplet Generation Framework for Hallucination Alleviation in Generative Question Answering
di: Du, Haowei, et al.
Pubblicazione: (2024)
di: Du, Haowei, et al.
Pubblicazione: (2024)
Nunchi-Bench: Benchmarking Language Models on Cultural Reasoning with a Focus on Korean Superstition
di: Kim, Kyuhee, et al.
Pubblicazione: (2025)
di: Kim, Kyuhee, et al.
Pubblicazione: (2025)
VocalBench: Benchmarking the Vocal Conversational Abilities for Speech Interaction Models
di: Liu, Heyang, et al.
Pubblicazione: (2025)
di: Liu, Heyang, et al.
Pubblicazione: (2025)
MTR-Bench: A Comprehensive Benchmark for Multi-Turn Reasoning Evaluation
di: Li, Xiaoyuan, et al.
Pubblicazione: (2025)
di: Li, Xiaoyuan, et al.
Pubblicazione: (2025)
MTU-Bench: A Multi-granularity Tool-Use Benchmark for Large Language Models
di: Wang, Pei, et al.
Pubblicazione: (2024)
di: Wang, Pei, et al.
Pubblicazione: (2024)
Chengyu-Bench: Benchmarking Large Language Models for Chinese Idiom Understanding and Use
di: Fu, Yicheng, et al.
Pubblicazione: (2025)
di: Fu, Yicheng, et al.
Pubblicazione: (2025)
The BiGGen Bench: A Principled Benchmark for Fine-grained Evaluation of Language Models with Language Models
di: Kim, Seungone, et al.
Pubblicazione: (2024)
di: Kim, Seungone, et al.
Pubblicazione: (2024)
Do These LLM Benchmarks Agree? Fixing Benchmark Evaluation with BenchBench
di: Perlitz, Yotam, et al.
Pubblicazione: (2024)
di: Perlitz, Yotam, et al.
Pubblicazione: (2024)
GOLD: Geometry Problem Solver with Natural Language Description
di: Zhang, Jiaxin, et al.
Pubblicazione: (2024)
di: Zhang, Jiaxin, et al.
Pubblicazione: (2024)
Documenti analoghi
-
EVM-QuestBench: An Execution-Grounded Benchmark for Natural-Language Transaction Code Generation
di: Yang, Pei, et al.
Pubblicazione: (2026) -
MaBERT:A Padding Safe Interleaved Transformer Mamba Hybrid Encoder for Efficient Extended Context Masked Language Modeling
di: Kim, Jinwoong, et al.
Pubblicazione: (2026) -
QuantCode-Bench: A Benchmark for Evaluating the Ability of Large Language Models to Generate Executable Algorithmic Trading Strategies
di: Khoroshilov, Alexey, et al.
Pubblicazione: (2026) -
InteractWeb-Bench: Can Multimodal Agent Escape Blind Execution in Interactive Website Generation?
di: Wang, Qiyao, et al.
Pubblicazione: (2026) -
Fostering Natural Conversation in Large Language Models with NICO: a Natural Interactive COnversation dataset
di: Sun, Renliang, et al.
Pubblicazione: (2024)