Papers with Code 아카이브
Benchmarking
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 0
- 평가표
- 2
- 보존된 평가 기록
- 2
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
소프트웨어 위임 계약: AI 코딩 에이전트 작업에서의 검토 가능성 측정
신규 AI 가속기에서의 LLM 추론에 대한 프리필/디코드 인지 평가
현실적 시나리오에서 도구 사용 대규모 언어 모델(LLM) 에이전트의 데이터 유출 위험 평가
SkillChain-Gym: 혼란 상황에서의 재교육 인식 생산-재고 관리를 위한 벤치마크
MemTrace: 장기 기억에서 최종 정확도가 놓치는 것 탐색
SpeechDx: 임상 음성 AI를 위한 멀티태스크 벤치마크
SoK: AI 증강 바이너리 리버싱
대규모 언어 모델(LLM)이 CEO가 될 수 있을까? 다중 역할 에이전트 시뮬레이션을 통한 전략적 자원 재할당 벤치마킹
MagicSim: 실행 가능한 구현된 상호작용을 위한 통합 인프라
반복적 피드백 루프를 통한 LLM 코드 수정
SEAGym: 자기 진화 LLM 에이전트를 위한 평가 환경
DeepInsight: 물리적 AI 스택 전반에 걸친 통합 평가 인프라
도메인을 넘어: 전이 가능한 상호작용 패턴을 통한 웹 스킬 재사용
Brewing에서 해결까지: 대규모 언어 모델(LLM)의 코드 추론 내부 수명 주기 추적
LongWebBench: 장기 호라이즌 설정에서 구조적·기능적 웹페이지 생성 평가
DiagFlowBench: 그라운딩된 진단 대화에서 언어 모델의 절차 이탈 입력 처리 평가
신뢰할 수 있는 자기 구성 가능 Big-Data-as-a-Service: 자동화된 데이터 엔지니어링, AutoML, MLOps 배포 및 드리프트 인식 수명주기 최적화를 위한 LLM 오케스트레이션 다중 에이전트 프레임워크
PreAct: 반복 작업에서 점점 빨라지는 컴퓨터 사용 에이전트
MoCo-AIS: 선박 궤적 유사도 계산을 위한 대비 학습 프레임워크
LegalHalluLens: 신뢰할 수 있는 법률 AI를 위한 유형별 환각 감사 및 보정된 다중 에이전트 토론
PseudoBench: 에이전트형 자동 연구가 사이비 과학을 조장하는 방식 측정
첫 번째 증명 두 번째 배치
소모성 자산으로서의 메모리: 구현형 에이전트를 위한 플래시 내구성 가격 책정과 그 한계
WEQA: 쿼리 적응형 에이전트 추론을 통한 웨어러블 건강 질의응답
DRFLOW: 개인화된 워크플로우 예측을 위한 딥 리서치 벤치마크
고정점 추론기: 안정적이고 적응적인 딥 루프 트랜스포머
Mordal: 비전-언어 모델(VLM)을 위한 자동화된 사전학습 모델 선택
Moving Out: 물리적으로 기반한 인간-AI 협업
HeteRo-Select: 이질적 연합 학습에서 참여 동인으로서의 정보성
MiniFool -- 심층 신경망에서의 물리적 제약을 고려한 최소화 기반 적대적 공격
R1-SyntheticVL: 생성 모델의 합성 데이터는 멀티모달 대규모 언어 모델에 준비되어 있는가?
RadSEM: 영상의학 보고서의 임상적 일관성을 위한 소견별 지표
인과 추론에서 모델 선택의 중요한 역할: 약물감시를 위한 InferBERT 프레임워크 내 분류 모델 비교 분석
프로빙, 융합, 신뢰성: 멀티모달 암 분석을 위한 파운데이션 모델 표현의 체계적 평가
CFD 기반 합성 데이터를 이용한 선박 자유 주행 기동 시스템 식별을 위한 정규화 머신러닝: 비교 연구
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.