When Mean CE Fails: Median CE Can Better Track Language Model Quality
Fuente:
arXiv
Salvato in:
| Autori principali: | Guo, Hao, Dennis, Simon, Patil, Rivaan, Shabahang, Kevin |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Compiling Agentic Workflows into LLM Weights: Near-Frontier Quality at Two Orders of Magnitude Less Cost
di: Dennis, Simon, et al.
Pubblicazione: (2026)
di: Dennis, Simon, et al.
Pubblicazione: (2026)
In-Context Prompting Obsoletes Agent Orchestration for Procedural Tasks
di: Dennis, Simon, et al.
Pubblicazione: (2026)
di: Dennis, Simon, et al.
Pubblicazione: (2026)
Beyond Inference-Only Deployment: Comparing Weight-Based Consolidation Against Cascading Compaction
di: Dennis, Simon, et al.
Pubblicazione: (2026)
di: Dennis, Simon, et al.
Pubblicazione: (2026)
When Sensors Fail: Temporal Sequence Models for Robust PPO under Sensor Drift
di: Vogt-Lowell, Kevin, et al.
Pubblicazione: (2026)
di: Vogt-Lowell, Kevin, et al.
Pubblicazione: (2026)
PaCE: Parsimonious Concept Engineering for Large Language Models
di: Luo, Jinqi, et al.
Pubblicazione: (2024)
di: Luo, Jinqi, et al.
Pubblicazione: (2024)
MixCE: Training Autoregressive Language Models by Mixing Forward and Reverse Cross-Entropies
di: Zhang, Shiyue, et al.
Pubblicazione: (2023)
di: Zhang, Shiyue, et al.
Pubblicazione: (2023)
Better World Models Can Lead to Better Post-Training Performance
di: Gupta, Prakhar, et al.
Pubblicazione: (2025)
di: Gupta, Prakhar, et al.
Pubblicazione: (2025)
Frequency Matters: When Time Series Foundation Models Fail Under Spectral Shift
di: Wang, Tianze, et al.
Pubblicazione: (2025)
di: Wang, Tianze, et al.
Pubblicazione: (2025)
When Counterfactual Reasoning Fails: Chaos and Real-World Complexity
di: Aalaila, Yahya, et al.
Pubblicazione: (2025)
di: Aalaila, Yahya, et al.
Pubblicazione: (2025)
DyCE: Dynamically Configurable Exiting for Deep Learning Compression and Real-time Scaling
di: Wang, Qingyuan, et al.
Pubblicazione: (2024)
di: Wang, Qingyuan, et al.
Pubblicazione: (2024)
Recitation over Reasoning: How Cutting-Edge Language Models Can Fail on Elementary School-Level Reasoning Problems?
di: Yan, Kai, et al.
Pubblicazione: (2025)
di: Yan, Kai, et al.
Pubblicazione: (2025)
CE-SSL: Computation-Efficient Semi-Supervised Learning for ECG-based Cardiovascular Diseases Detection
di: Zhou, Rushuang, et al.
Pubblicazione: (2024)
di: Zhou, Rushuang, et al.
Pubblicazione: (2024)
When Will It Fail?: Anomaly to Prompt for Forecasting Future Anomalies in Time Series
di: Park, Min-Yeong, et al.
Pubblicazione: (2025)
di: Park, Min-Yeong, et al.
Pubblicazione: (2025)
DeduCE: Deductive Consistency as a Framework to Evaluate LLM Reasoning
di: Pandey, Atharva, et al.
Pubblicazione: (2025)
di: Pandey, Atharva, et al.
Pubblicazione: (2025)
When Validation Fails: Cross-Institutional Blood Pressure Prediction and the Limits of Electronic Health Record-Based Models
di: Azam, Md Basit, et al.
Pubblicazione: (2025)
di: Azam, Md Basit, et al.
Pubblicazione: (2025)
Synthetic Error Injection Fails to Elicit Self-Correction In Language Models
di: Wu, David X., et al.
Pubblicazione: (2025)
di: Wu, David X., et al.
Pubblicazione: (2025)
Learnware of Language Models: Specialized Small Language Models Can Do Big
di: Tan, Zhi-Hao, et al.
Pubblicazione: (2025)
di: Tan, Zhi-Hao, et al.
Pubblicazione: (2025)
When Softmax Fails at the Top: Extreme Value Corrections for InfoNCE
di: Erol, Melihcan, et al.
Pubblicazione: (2026)
di: Erol, Melihcan, et al.
Pubblicazione: (2026)
When Continue Learning Meets Multimodal Large Language Model: A Survey
di: Huo, Yukang, et al.
Pubblicazione: (2025)
di: Huo, Yukang, et al.
Pubblicazione: (2025)
When Chain-of-Thought Fails, the Solution Hides in the Hidden States
di: Mehrafarin, Houman, et al.
Pubblicazione: (2026)
di: Mehrafarin, Houman, et al.
Pubblicazione: (2026)
When Planning Fails Despite Correct Execution: On Epistemic Calibration for LLM-Based Multi-Agent Systems
di: Wang, Zehao, et al.
Pubblicazione: (2026)
di: Wang, Zehao, et al.
Pubblicazione: (2026)
Logistics Hub Location Optimization: A K-Means and P-Median Model Hybrid Approach Using Road Network Distances
di: Rahman, Muhammad Abdul, et al.
Pubblicazione: (2023)
di: Rahman, Muhammad Abdul, et al.
Pubblicazione: (2023)
When Less is More: 8-bit Quantization Improves Continual Learning in Large Language Models
di: Zhang, Michael S., et al.
Pubblicazione: (2025)
di: Zhang, Michael S., et al.
Pubblicazione: (2025)
Ask Again, Then Fail: Large Language Models' Vacillations in Judgment
di: Xie, Qiming, et al.
Pubblicazione: (2023)
di: Xie, Qiming, et al.
Pubblicazione: (2023)
When Does Multimodality Lead to Better Time Series Forecasting?
di: Zhang, Xiyuan, et al.
Pubblicazione: (2025)
di: Zhang, Xiyuan, et al.
Pubblicazione: (2025)
Ascent Fails to Forget
di: Mavrothalassitis, Ioannis, et al.
Pubblicazione: (2025)
di: Mavrothalassitis, Ioannis, et al.
Pubblicazione: (2025)
When LLM Judge Scores Look Good but Best-of-N Decisions Fail
di: Landesberg, Eddie
Pubblicazione: (2026)
di: Landesberg, Eddie
Pubblicazione: (2026)
When Refusals Fail: Unstable Safety Mechanisms in Long-Context LLM Agents
di: Hadeliya, Tsimur, et al.
Pubblicazione: (2025)
di: Hadeliya, Tsimur, et al.
Pubblicazione: (2025)
When Intelligence Fails: An Empirical Study on Why LLMs Struggle with Password Cracking
di: Rehman, Mohammad Abdul, et al.
Pubblicazione: (2025)
di: Rehman, Mohammad Abdul, et al.
Pubblicazione: (2025)
Geometric Median (GM) Matching for Robust Data Pruning
di: Acharya, Anish, et al.
Pubblicazione: (2024)
di: Acharya, Anish, et al.
Pubblicazione: (2024)
When Models Know When They Do Not Know: Calibration, Cascading, and Cleaning
di: Hao, Chenjie, et al.
Pubblicazione: (2026)
di: Hao, Chenjie, et al.
Pubblicazione: (2026)
Theoretical Analysis of Relative Errors in Gradient Computations for Adversarial Attacks with CE Loss
di: Yu, Yunrui, et al.
Pubblicazione: (2025)
di: Yu, Yunrui, et al.
Pubblicazione: (2025)
(How) Do Language Models Track State?
di: Li, Belinda Z., et al.
Pubblicazione: (2025)
di: Li, Belinda Z., et al.
Pubblicazione: (2025)
When Can LLMs Learn to Reason with Weak Supervision?
di: Rahman, Salman, et al.
Pubblicazione: (2026)
di: Rahman, Salman, et al.
Pubblicazione: (2026)
When LLM Reward Design Fails: Diagnostic-Driven Refinement for Sparse Structured RL
di: Wang, Youting, et al.
Pubblicazione: (2026)
di: Wang, Youting, et al.
Pubblicazione: (2026)
When Can Proxies Improve the Sample Complexity of Preference Learning?
di: Zhu, Yuchen, et al.
Pubblicazione: (2024)
di: Zhu, Yuchen, et al.
Pubblicazione: (2024)
Lost in Transmission: When and Why LLMs Fail to Reason Globally
di: Schnabel, Tobias, et al.
Pubblicazione: (2025)
di: Schnabel, Tobias, et al.
Pubblicazione: (2025)
Do Large Language Models Reason Causally Like Us? Even Better?
di: Dettki, Hanna M., et al.
Pubblicazione: (2025)
di: Dettki, Hanna M., et al.
Pubblicazione: (2025)
ReasonIF: Large Reasoning Models Fail to Follow Instructions During Reasoning
di: Kwon, Yongchan, et al.
Pubblicazione: (2025)
di: Kwon, Yongchan, et al.
Pubblicazione: (2025)
Can Language Models Use Forecasting Strategies?
di: Pratt, Sarah, et al.
Pubblicazione: (2024)
di: Pratt, Sarah, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Compiling Agentic Workflows into LLM Weights: Near-Frontier Quality at Two Orders of Magnitude Less Cost
di: Dennis, Simon, et al.
Pubblicazione: (2026) -
In-Context Prompting Obsoletes Agent Orchestration for Procedural Tasks
di: Dennis, Simon, et al.
Pubblicazione: (2026) -
Beyond Inference-Only Deployment: Comparing Weight-Based Consolidation Against Cascading Compaction
di: Dennis, Simon, et al.
Pubblicazione: (2026) -
When Sensors Fail: Temporal Sequence Models for Robust PPO under Sensor Drift
di: Vogt-Lowell, Kevin, et al.
Pubblicazione: (2026) -
PaCE: Parsimonious Concept Engineering for Large Language Models
di: Luo, Jinqi, et al.
Pubblicazione: (2024)