paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
BH

Boran Han

ICLR 2026×2ACL 2026KDD 2026效率与系统可解释性社会与人本评测与基准推理
新星分新星
78
一作贡献40
核心/参与15
方向广度16
合作网络12
1 一作 · 4 篇 · ICLR 2026 / ACL 2026 / KDD 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

4
作者位次 #4/8ACL 2026Poster· Natural Language Processing

When LLM s Read Tables Carelessly: Measuring and Reducing Data Referencing Errors

Yuqing Yang · Qi Zhu · Zhen Han · Boran Han · Zhengyuan Shen · Shuai Wang · Vassilis N. Ioannidis · Huzefa Rangwala

摘要

While large language models (LLMs) perform well on table tasks, they still make data referencing errors (DREs), i.e., incorrectly citing or omitting table values, despite understanding the table structure. Beyond final-answer accuracy, DREs directly compromise the correctness and reliability of i...

评测与基准推理效率与系统OpenReview 项目页

常见合作者