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.
ARVO: 오픈 소스 소프트웨어를 위한 재현 가능한 취약점 아틀라스
ProCUA-SFT 기술 보고서
대규모 오디오-언어 모델의 시간적 이해 실패 양상에 대한 심층 분석
Operator Boosting은 파레토 효율적인 PDE 대리 모델을 생성합니다
CheckMIABench: 언어 모델에 대한 멤버십 추론 공격의 견고한 기반
LLM 특징이 GNN을 해칠 수 있음: 동질적 그래프 벤치마크에서의 연결 간섭
물리 제약 신경망을 활용한 개선된 단기 일기 예보: 남태평양 사례 연구
Monotonic Kolmogorov-Arnold Networks: A Theoretical and Empirical Study of Monotonicity as an Inductive Bias
LoopCoder-v2: 효율적인 테스트 시간 연산 스케일링을 위한 단 한 번의 루프
CTI 보고서의 다중 레이블 ATT&CK 기법 분류를 위한 오픈소스 LLM 평가
물리 정보 신경망으로 비선형 PDE를 푸는 볼록 준선형화 방법
다중 소스 사이버보안 로그: ATT&CK 라벨 데이터셋과 SLM 평가
단순 가속을 넘어: GPU에서의 진화 알고리즘에 대한 하드웨어 인식 평가
WildIFEval: 실제 환경에서의 지시사항 준수
벤치마크에서 스킬로: LLM 평가를 위한 낮은 순위 요인
MoReBench: 언어 모델의 절차적 및 다원적 도덕적 추론 평가, 결과를 넘어선
ChiKhaPo: 대규모 언어 모델의 어휘 이해 및 생성 평가를 위한 대규모 다국어 벤치마크
DSAEval: 광범위한 실제 데이터 과학 문제에 대한 데이터 과학 에이전트 평가
LingxiDiagBench: 중국어 정신과 상담 및 진단에서 LLM을 벤치마킹하기 위한 멀티 에이전트 프레임워크
턴이 많을수록 더 불안전: 도구 사용 에이전트의 멀티턴 안전성 위험 벤치마킹 및 방어
CreativeBench: 자기 진화형 도전 과제를 통한 기계 창의성 벤치마킹 및 향상
대규모 언어 모델에서 사실적 의견을 편집(조작)할 수 있는가?
에이전트의 최종 시험
LLM은 주사위 놀이에서 얼마나 신뢰할 수 있는가?
인스트럭션 튜닝된 LLM에 적용한 디코딩 시간 진실성 방법에 대한 통제 연구
페르시아 속담 조건부 이야기 생성을 통한 대규모 언어 모델의 제약된 의미적 압축 해제
Shopping Reasoning Bench: 멀티턴 대화형 쇼핑 어시스턴트를 위한 전문가 작성 벤치마크
AfriSUD: 아프리카 언어 모델 평가를 위한 의존 구문 트리뱅크 컬렉션
Rigel: Apple M4 Max GPU의 Metal 4.1 텐서 연산 경로 역설계
RAG 벤치마크는 얼마나 세분화되어야 하는가? 합성 질문 생성을 위한 계층적 프레임워크
GENIE: 참신성을 위한 세분화된 측정 지표
숨겨진 프롬프트가 필요 없습니다! 프레젠테이션만 수정하여 AI 동료 평가를 조작할 수 있습니다
LEDGER: 그라운딩된 재무 검색 및 추출을 위한 기업 연차 보고서의 롱컨텍스트 벤치마크
MÖVE: 독일 공공 부문을 위한 포괄적인 LLM 벤치마크
EvoBrowseComp: 진화하는 지식에서의 검색 에이전트 벤치마킹
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.