SoundnessBench: Can Your AI Scientist Really Tell Good Research Ideas from Bad Ones?
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Ho, Sy-Tuyen, Liu, Minghui, Nghiem, Huy, Huang, Furong |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
SoundnessBench: A Soundness Benchmark for Neural Network Verifiers
par: Zhou, Xingjian, et autres
Publié: (2024)
par: Zhou, Xingjian, et autres
Publié: (2024)
Agentic Critical Training
par: Liu, Weize, et autres
Publié: (2026)
par: Liu, Weize, et autres
Publié: (2026)
Imitate the Good and Avoid the Bad: An Incremental Approach to Safe Reinforcement Learning
par: Hoang, Huy, et autres
Publié: (2023)
par: Hoang, Huy, et autres
Publié: (2023)
MJ-Bench: Is Your Multimodal Reward Model Really a Good Judge for Text-to-Image Generation?
par: Chen, Zhaorun, et autres
Publié: (2024)
par: Chen, Zhaorun, et autres
Publié: (2024)
VeriGate: Verifier-Gated Step-Level Supervision for GRPO
par: Agrawal, Aakriti, et autres
Publié: (2026)
par: Agrawal, Aakriti, et autres
Publié: (2026)
Vision Transformer Neural Architecture Search for Out-of-Distribution Generalization: Benchmark and Insights
par: Ho, Sy-Tuyen, et autres
Publié: (2025)
par: Ho, Sy-Tuyen, et autres
Publié: (2025)
Model Inversion Robustness: Can Transfer Learning Help?
par: Ho, Sy-Tuyen, et autres
Publié: (2024)
par: Ho, Sy-Tuyen, et autres
Publié: (2024)
Do Vision-Language Models Leak What They Learn? Adaptive Token-Weighted Model Inversion Attacks
par: Nguyen, Ngoc-Bao, et autres
Publié: (2025)
par: Nguyen, Ngoc-Bao, et autres
Publié: (2025)
AgentCollabBench: Diagnosing When Good Agents Make Bad Collaborators
par: Mazumder, Aritra, et autres
Publié: (2026)
par: Mazumder, Aritra, et autres
Publié: (2026)
Hypernetwork-Driven Low-Rank Adaptation Across Attention Heads
par: Diep, Nghiem T., et autres
Publié: (2025)
par: Diep, Nghiem T., et autres
Publié: (2025)
Revisiting Model Inversion Evaluation: From Misleading Standards to Reliable Privacy Assessment
par: Ho, Sy-Tuyen, et autres
Publié: (2025)
par: Ho, Sy-Tuyen, et autres
Publié: (2025)
Good Allocations from Bad Estimates
par: Casacuberta, Sílvia, et autres
Publié: (2026)
par: Casacuberta, Sílvia, et autres
Publié: (2026)
SmartBench: Is Your LLM Truly a Good Chinese Smartphone Assistant?
par: Lu, Xudong, et autres
Publié: (2025)
par: Lu, Xudong, et autres
Publié: (2025)
Bias in the Tails: How Name-conditioned Evaluative Framing in Resume Summaries Destabilizes LLM-based Hiring
par: Nghiem, Huy, et autres
Publié: (2026)
par: Nghiem, Huy, et autres
Publié: (2026)
Vertical Federated Learning in Practice: The Good, the Bad, and the Ugly
par: Wu, Zhaomin, et autres
Publié: (2025)
par: Wu, Zhaomin, et autres
Publié: (2025)
Agent Performing Autonomous Stock Trading under Good and Bad Situations
par: Luo, Yunfei, et autres
Publié: (2023)
par: Luo, Yunfei, et autres
Publié: (2023)
Sequence-Aware Inline Measurement Attribution for Good-Bad Wafer Diagnosis
par: Miyaguchi, Kohei, et autres
Publié: (2025)
par: Miyaguchi, Kohei, et autres
Publié: (2025)
When Bad Data Leads to Good Models
par: Li, Kenneth, et autres
Publié: (2025)
par: Li, Kenneth, et autres
Publié: (2025)
Know Your Scientist: KYC as Biosecurity Infrastructure
par: Feldman, Jonathan, et autres
Publié: (2026)
par: Feldman, Jonathan, et autres
Publié: (2026)
Do Two AI Scientists Agree?
par: Fu, Xinghong, et autres
Publié: (2025)
par: Fu, Xinghong, et autres
Publié: (2025)
DoRAN: Stabilizing Weight-Decomposed Low-Rank Adaptation via Noise Injection and Auxiliary Networks
par: Diep, Nghiem T., et autres
Publié: (2025)
par: Diep, Nghiem T., et autres
Publié: (2025)
Beware! The AI Act Can Also Apply to Your AI Research Practices
par: Wernick, Alina, et autres
Publié: (2025)
par: Wernick, Alina, et autres
Publié: (2025)
Are Synthetic Time-series Data Really not as Good as Real Data?
par: Fu, Fanzhe, et autres
Publié: (2024)
par: Fu, Fanzhe, et autres
Publié: (2024)
Long-Tailed Classification by Keeping the Good and Removing the Bad Momentum Causal Effect
par: Tang, Kaihua, et autres
Publié: (2020)
par: Tang, Kaihua, et autres
Publié: (2020)
The Good, The Bad, and The Hybrid: A Reward Structure Showdown in Reasoning Models Training
par: Sahoo, Subramanyam
Publié: (2025)
par: Sahoo, Subramanyam
Publié: (2025)
Idea2Plan: Exploring AI-Powered Research Planning
par: Huang, Jin, et autres
Publié: (2025)
par: Huang, Jin, et autres
Publié: (2025)
Tell Your Model Where to Attend: Post-hoc Attention Steering for LLMs
par: Zhang, Qingru, et autres
Publié: (2023)
par: Zhang, Qingru, et autres
Publié: (2023)
FADE: Why Bad Descriptions Happen to Good Features
par: Puri, Bruno, et autres
Publié: (2025)
par: Puri, Bruno, et autres
Publié: (2025)
The Good, the Bad, and the Ugly: The Role of AI Quality Disclosure in Lie Detection
par: Bhattacharya, Haimanti, et autres
Publié: (2024)
par: Bhattacharya, Haimanti, et autres
Publié: (2024)
Ambient Diffusion Omni: Training Good Models with Bad Data
par: Daras, Giannis, et autres
Publié: (2025)
par: Daras, Giannis, et autres
Publié: (2025)
Can AI Scientist Agents Learn from Lab-in-the-Loop Feedback? Evidence from Iterative Perturbation Discovery
par: Wainrib, Gilles, et autres
Publié: (2026)
par: Wainrib, Gilles, et autres
Publié: (2026)
Conformalized Exceptional Model Mining: Telling Where Your Model Performs (Not) Well
par: Du, Xin, et autres
Publié: (2025)
par: Du, Xin, et autres
Publié: (2025)
Bad Values but Good Behavior: Learning Highly Misspecified Bandits and MDPs
par: Banerjee, Debangshu, et autres
Publié: (2023)
par: Banerjee, Debangshu, et autres
Publié: (2023)
Superintelligent Agents Pose Catastrophic Risks: Can Scientist AI Offer a Safer Path?
par: Bengio, Yoshua, et autres
Publié: (2025)
par: Bengio, Yoshua, et autres
Publié: (2025)
The AI Data Scientist
par: Akimov, Farkhad, et autres
Publié: (2025)
par: Akimov, Farkhad, et autres
Publié: (2025)
On Zero-Initialized Attention: Optimal Prompt and Gating Factor Estimation
par: Diep, Nghiem T., et autres
Publié: (2025)
par: Diep, Nghiem T., et autres
Publié: (2025)
Towards a Medical AI Scientist
par: Wu, Hongtao, et autres
Publié: (2026)
par: Wu, Hongtao, et autres
Publié: (2026)
When Good Equations Get Bad Scores: Improving Symbolic Regression Through Better Parameter Optimization
par: Wang, Boxiao, et autres
Publié: (2026)
par: Wang, Boxiao, et autres
Publié: (2026)
GUIDE: Towards Scalable Advising for Research Ideas
par: Liu, Yaowenqi, et autres
Publié: (2025)
par: Liu, Yaowenqi, et autres
Publié: (2025)
Good Actions Succeed, Bad Actions Generalize: A Case Study on Why RL Generalizes Better
par: Song, Meng
Publié: (2025)
par: Song, Meng
Publié: (2025)
Documents similaires
-
SoundnessBench: A Soundness Benchmark for Neural Network Verifiers
par: Zhou, Xingjian, et autres
Publié: (2024) -
Agentic Critical Training
par: Liu, Weize, et autres
Publié: (2026) -
Imitate the Good and Avoid the Bad: An Incremental Approach to Safe Reinforcement Learning
par: Hoang, Huy, et autres
Publié: (2023) -
MJ-Bench: Is Your Multimodal Reward Model Really a Good Judge for Text-to-Image Generation?
par: Chen, Zhaorun, et autres
Publié: (2024) -
VeriGate: Verifier-Gated Step-Level Supervision for GRPO
par: Agrawal, Aakriti, et autres
Publié: (2026)