Copertina

DeepEval/DeepEval: Artifacts Associated with the Paper Under Review in TOSEM

Fuente: Zenodo

Salvato in:

Dettagli Bibliografici
Autori principali:	Xiangyue, Ma, Xiaoting, Du, Chenglong, Li, Xiaoke, Fang, Wenjie, Ding, Zheng, Zheng, Jiangtao, Meng
Natura:	Recurso digital
Pubblicazione:	Zenodo 2026
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Artifact for TOSEM paper: Exploring Development Methods for Reactive Synthesis Specifications
di: Ma'ayan, Dor, et al.
Pubblicazione: (2025)

Deep Researcher Agent: An Autonomous Framework for 24/7 Deep Learning Experimentation with Zero-Cost Monitoring
di: Zhang, Xiangyue
Pubblicazione: (2026)

DeepSynth-Eval: Objectively Evaluating Information Consolidation in Deep Survey Writing
di: Zhang, Hongzhi, et al.
Pubblicazione: (2026)

DR$^{3}$-Eval: Towards Realistic and Reproducible Deep Research Evaluation
di: Xie, Qianqian, et al.
Pubblicazione: (2026)

DeepResearchEval: An Automated Framework for Deep Research Task Construction and Agentic Evaluation
di: Wang, Yibo, et al.
Pubblicazione: (2026)

MiroEval: Benchmarking Multimodal Deep Research Agents in Process and Outcome
di: Ye, Fangda, et al.
Pubblicazione: (2026)

DevEval: Evaluating Code Generation in Practical Software Projects
di: Li, Jia, et al.
Pubblicazione: (2024)

DeepSlide: From Artifacts to Presentation Delivery
di: Yang, Ming, et al.
Pubblicazione: (2026)

ReviewEval: An Evaluation Framework for AI-Generated Reviews
di: Garg, Madhav Krishan, et al.
Pubblicazione: (2025)

SciClaimEval: Cross-modal Claim Verification in Scientific Papers
di: Ho, Xanh, et al.
Pubblicazione: (2026)

ContractEval: Benchmarking LLMs for Clause-Level Legal Risk Identification in Commercial Contracts
di: Liu, Shuang, et al.
Pubblicazione: (2025)

On Randomness in Agentic Evals
di: Bjarnason, Bjarni Haukur, et al.
Pubblicazione: (2026)

AlphaEval: Evaluating Agents in Production
di: Lu, Pengrui, et al.
Pubblicazione: (2026)

DependEval: Benchmarking LLMs for Repository Dependency Understanding
di: Du, Junjia, et al.
Pubblicazione: (2025)

MarineEval: Assessing the Marine Intelligence of Vision-Language Models
di: Wong, YuK-Kwan, et al.
Pubblicazione: (2025)

Fusion-Eval: Integrating Assistant Evaluators with LLMs
di: Shu, Lei, et al.
Pubblicazione: (2023)

LatEval: An Interactive LLMs Evaluation Benchmark with Incomplete Information from Lateral Thinking Puzzles
di: Huang, Shulin, et al.
Pubblicazione: (2023)

AmbiGraph-Eval: Can LLMs Effectively Handle Ambiguous Graph Queries?
di: Tian, Yuchen, et al.
Pubblicazione: (2025)

T-Eval: Evaluating the Tool Utilization Capability of Large Language Models Step by Step
di: Chen, Zehui, et al.
Pubblicazione: (2023)

EvolMathEval: Towards Evolvable Benchmarks for Mathematical Reasoning via Evolutionary Testing
di: Wang, Shengbo, et al.
Pubblicazione: (2025)

QuantEval: A Benchmark for Financial Quantitative Tasks in Large Language Models
di: Kang, Zhaolu, et al.
Pubblicazione: (2026)

DevEval: A Manually-Annotated Code Generation Benchmark Aligned with Real-World Code Repositories
di: Li, Jia, et al.
Pubblicazione: (2024)

HumanEval on Latest GPT Models -- 2024
di: Li, Daniel, et al.
Pubblicazione: (2024)

SciSafeEval: A Comprehensive Benchmark for Safety Alignment of Large Language Models in Scientific Tasks
di: Li, Tianhao, et al.
Pubblicazione: (2024)

VideoGen-Eval: Agent-based System for Video Generation Evaluation
di: Yang, Yuhang, et al.
Pubblicazione: (2025)

FlagEvalMM: A Flexible Framework for Comprehensive Multimodal Model Evaluation
di: He, Zheqi, et al.
Pubblicazione: (2025)

StreamingEval: A Unified Evaluation Protocol towards Realistic Streaming Video Understanding
di: Tang, Guowei, et al.
Pubblicazione: (2026)

RepEval: Effective Text Evaluation with LLM Representation
di: Sheng, Shuqian, et al.
Pubblicazione: (2024)

Sentiment Analysis in SemEval: A Review of Sentiment Identification Approaches
di: Haddaoui, Bousselham El, et al.
Pubblicazione: (2025)

SceneJailEval: A Scenario-Adaptive Multi-Dimensional Framework for Jailbreak Evaluation
di: Jiang, Lai, et al.
Pubblicazione: (2025)

CloudEval-YAML: A Practical Benchmark for Cloud Configuration Generation
di: Xu, Yifei, et al.
Pubblicazione: (2023)

HarmMetric Eval: Benchmarking Metrics and Judges for LLM Harmfulness Assessment
di: Yang, Langqi, et al.
Pubblicazione: (2025)

Physion-Eval: Evaluating Physical Realism in Generated Video via Human Reasoning
di: Zhang, Qin, et al.
Pubblicazione: (2026)

SuiteEval: Simplifying Retrieval Benchmarks
di: Parry, Andrew, et al.
Pubblicazione: (2026)

PodEval: A Multimodal Evaluation Framework for Podcast Audio Generation
di: Xiao, Yujia, et al.
Pubblicazione: (2025)

RadEval: A framework for radiology text evaluation
di: Xu, Justin, et al.
Pubblicazione: (2025)

mattwilliamson13/MonEval: Update
di: tylercreech, et al.
Pubblicazione: (2025)

SycEval: Evaluating LLM Sycophancy
di: Fanous, Aaron, et al.
Pubblicazione: (2025)

Measuring all the noises of LLM Evals
di: Wang, Sida
Pubblicazione: (2025)

McEval: Massively Multilingual Code Evaluation
di: Chai, Linzheng, et al.
Pubblicazione: (2024)