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.
RogueAI: 대화에서 기만하도록 허가된 AI를 탐지하는 역 튜링 테스트
단 하나의 오염된 페이지만으로도 충분합니다: 생성형 추천 시스템에서의 웹 콘텐츠 오염 평가
SkMTEB: 슬로바키아어 대규모 텍스트 임베딩 벤치마크 및 모델 적응
RemOve-And-Retrain의 함정에 관하여: 데이터 처리 불평등 관점
단변량 Christoffel 함수를 통한 확장 가능한 이상 탐지
Net-Ev$^2$: 네트워크 이벤트 진화를 위한 생성형 시뮬레이터
검증 위기를 넘어서: 교차 검증은 벤치마킹 분산을 놀랍도록 효과적으로 줄인다
지리공간 멀티모달 파운데이션 모델을 위한 새로운 유연한 설계 방향
NSL-KDD 데이터셋의 불균형 데이터 조건에서 IDS를 위한 AutoML 프레임워크 평가
The Metric Picks the Winner: Evaluation Choice Flips Model Rankings for Drug-Response Prediction in Unseen Chemistry
항암제 약동학을 위한 Physics-Informed Neural Networks: 임상 추정기 벤치마킹과 매개변수 식별 가능성 드러내기
예측은 귀속이 아니다: 그래프 기반 신경 마케팅 믹스 모델에서 디코더 우회 현상의 국소화
비검증 가능 추론의 LLM 연구 전선으로서 규범적 견고성
권위, 진실, 인용 편향: 대규모 언어 모델의 인식론적 취약성 연구를 위한 대규모 다중 도메인 벤치마크
안전성-충실도 트레이드오프 탐색: 확률적 시나리오를 통한 전력 시스템의 대규모 다변량 시계열 예측
SupraBench: 초분자 화학을 위한 벤치마크
다관계 네트워크에서의 그래프 축소: 전파 지향 축소 벤치마크
HybridCodeAuthorship: 라인 수준 코드 작성자 탐지를 위한 벤치마크 데이터셋
배포 중심 평가: 임상 LLM 시스템에서 쿼리 수준 거부 위험 예측
LLM 심리측정 평가 재고: 자기보고가 행동을 예측하는 때와 이유
다양한 규모의 과학적 도전 과제를 해결하기 위한 AI 에이전트 벤치마킹
MLUBench: 멀티모달 대규모 언어 모델의 평생 언러닝 평가를 위한 벤치마크
문제 해결을 넘어서: 경쟁 프로그래밍에서 코드 생성, 해킹, 수리를 평가하는 UOJ-Bench
DailyReport: 일상적 검색 태스크에서 검색 에이전트를 평가하는 개방형 벤치마크
더 나은 검색을 향한 반복: 이커머스 에이전트형 검색 아키텍처 평가를 위한 2-에이전트 시뮬레이션 프레임워크
웨트랩 로보틱스를 위한 체화 시뮬레이션 플랫폼, 벤치마크 및 데이터 효율적 증강 프레임워크
배전망 결함 탐지를 위한 멀티모달 에이전트: 파운데이션 모델 평가
AI 추론을 위한 협력적 문제 풀이 및 데이터셋 생성을 위한 수학 포럼 플랫폼
다중 에이전트 우위의 환상
SciR: LLM의 과학적 추론을 위한 조절 가능한 벤치마크
AAbAAC: 자가면역 정보 추출을 위한 주석 말뭉치
대규모 언어 모델 기반 AI 시스템에서 자율 침투 능력의 창발
TerraBench: 에이전트는 이질적인 지구 시스템 데이터에 대해 추론할 수 있는가?
멀티모달 LLM을 활용한 모바일 사용자 경험 추론: 태스크, 벤치마크, 접근법
누가 대가를 치르는가? 실제 웹 에이전트를 위한 이해관계자 중심 프롬프트 인젝션 벤치마킹
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.