← Language Modelling

Papers with Code · CC BY-SA 4.0

Penn Treebank (Word Level)

아카이브 평가 43건 · 마지막 적재/변경 2026-10-30

원본 데이터셋 링크 1

평가 기록

과거 수집 기록이며 최신 순위가 아닙니다. 데이터셋 버전·split·실험 조건과 지표 방향이 검증되지 않은 결과는 직접 비교할 수 없습니다. 날짜는 논문 날짜이며 최신 평가일을 뜻하지 않습니다.

표가 화면보다 넓으면 좌우로 스크롤하여 논문과 구현 링크를 확인하세요.

원본 기록 순서 · 순위 미부여
모델	원본 지표·값	논문	구현
Efficient NAS	Validation perplexity 60.8 Test perplexity 58.6 Params 24M	Efficient Neural Architecture Search via Parameter Sharing 2018-02-09	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28
NAS-RL	Test perplexity 64.0 Params 25M	Neural Architecture Search with Reinforcement Learning 2016-11-05	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12
Recurrent highway networks	Validation perplexity 67.9 Test perplexity 65.4 Params 23M	Recurrent Highway Networks 2016-07-12	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6
Inan et al. (2016) - Variational RHN	Validation perplexity 68.1 Test perplexity 66.0	Tying Word Vectors and Word Classifiers: A Loss Framework for Language Modeling 2016-11-04	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5
Gal & Ghahramani (2016) - Variational LSTM (large)	Validation perplexity 77.9 Test perplexity 75.2	A Theoretically Grounded Application of Dropout in Recurrent Neural Networks 2015-12-16	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14
Zaremba et al. (2014) - LSTM (large)	Validation perplexity 82.2 Test perplexity 78.4	Recurrent Neural Network Regularization 2014-09-08	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21
LSTM (Bai et al., 2018)	Test perplexity 78.93	An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling 2018-03-04	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35
Gal & Ghahramani (2016) - Variational LSTM (medium)	Validation perplexity 81.9 Test perplexity 79.7	A Theoretically Grounded Application of Dropout in Recurrent Neural Networks 2015-12-16	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14
Zaremba et al. (2014) - LSTM (medium)	Validation perplexity 86.2 Test perplexity 82.7	Recurrent Neural Network Regularization 2014-09-08	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21
R-Transformer	Test perplexity 84.38	R-Transformer: Recurrent Neural Network Enhanced Transformer 2019-07-12	코드 1 · 코드 2
GRU (Bai et al., 2018)	Test perplexity 92.48	An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling 2018-03-04	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35
Seq-U-Net	Test perplexity 107.95 Params 14.9M	Seq-U-Net: A One-Dimensional Causal U-Net for Efficient Sequence Modelling 2019-11-14	코드 1
TCN	Test perplexity 108.47 Params 14.7M	Seq-U-Net: A One-Dimensional Causal U-Net for Efficient Sequence Modelling 2019-11-14	코드 1