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

Sorouralsadat Fatemi

ACL 2026评测与基准智能体与工具数据与预训练
新星分贡献者
32
一作贡献0
核心/参与12
方向广度6
合作网络3
0 一作 · 1 篇 · ACL 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

1
作者位次 #2/4ACL 2026Findings· Findings of ACL

Generalization or Memorization? Multi-Agent vs. Baseline LLM s and A uto ML Models for Tabular Classification

Aida Sanatizadeh · Sorouralsadat Fatemi · Reza Mousavi · Ahmed Abbasi

摘要

Large Language Models (LLMs) are increasingly used for structured tabular data, yet it remains unclear whether their performance reflects genuine reasoning or memorization of pre-training corpora. We investigate this question through a rigorous, contamination-aware evaluation of a representative...

评测与基准智能体与工具数据与预训练OpenReview 项目页

常见合作者