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.
AnchorEdit: 인과적 메모리를 통한 다중 턴 이미지 편집의 시간적 일관성 유지
오픈 도메인 맞춤형 비디오 생성을 위한 포괄적 생태계
자율주행 위험 탐지를 위한 비전-언어 모델의 작업 정렬 안정성 분석
명목 강도에서 등가 강우량으로: 자율주행 인식 테스트에서 시뮬레이션 강우의 경로 기반 신뢰성 평가 프레임워크
개발도상국 악천후 조건에서 혼합 교통 객체 검출을 위한 YOLOv11과 YOLOv8 성능 분석
OpenMedReason: 의료 비전-언어 모델을 위한 과학적 추론 지도
전기 정전 용량 단층 촬영(ECT)의 물리 유도 이미지 재구성을 위한 전위 증강 벤치마크 데이터셋
Damage-TriageFormer: 단일 시점 이미지 기반 유형학적 건물 피해 평가를 위한 파운데이션 모델 프레임워크
MAGMaR 2026 공유 과제 결과
시간 단위 긴 영상에서의 자연어 시간적 그라운딩은 검색 문제입니다: 벤치마크 및 경험적 분해
병리학 분야에서 LLM 성능을 결정짓는 사소해 보이는 설계 선택들
간헐적 시계열 예측: 로컬 모델 vs 글로벌 모델
정답(ground truth) 없이 대규모 언어 모델(LLM)을 평가하기 위한 판단 모델 인식 랭킹 프레임워크
지속성에서 생존성으로: 위상 특징에 대한 가설 검정, 효과 크기 및 벡터화
대규모 언어 모델에서의 뉴런 기반 성격 특성 유도
기하학적 메트릭과 대규모 언어 모델: 무엇을 측정하며 언제 유효한가
Food4All: 적응형 사용자 이해를 통한 식품 자원 탐색을 위한 에이전트 프레임워크 및 벤치마크
VietMed-MCQ: 베트남 전통 의학 평가를 위한 일관성 필터링 데이터 합성 프레임워크
참조에 반하여 판단하기: QA 평가에서 LLM 판사 모델의 지식 기반 실패 규명
일반적인 프롬프트 개선이 해가 될 때: LLM 애플리케이션을 위한 평가 주도 반복
SoftMatcha 2: 조 규모 말뭉치를 위한 빠르고 유연한 패턴 매처
언어가 대규모 언어 모델의 정신 건강 평가에 미치는 영향
FinTradeBench: 대규모 언어 모델(LLM)을 위한 금융 추론 벤치마크
LLMpedia: 대규모 언어 모델(LLM)의 백과사전적 지식을 대규모로 구체화하는 투명한 프레임워크
ClawEnvKit: 발톱 모양 에이전트를 위한 자동 환경 생성
평가 설계 방식을 아는 모델은 더 높은 안전성 점수를 기록한다
GrowLoop: 인간이 시드를 제공한 자가 진화 대화 평가
다중 소스 RAG에서의 사실적 밀도 평가: 의료 AI 정확도에 관한 연구
암흑 속의 에이전트 진화: 자기 선호를 통한 회고적 하니스 최적화
DEFINED: 토론 시나리오에서 정밀한 창의성 평가를 위한 데이터 효율적인 계산 프레임워크
RedAct: 절차적 기술 보호를 위한 에이전트 능력 트레이스 편집
PoQ-Judge: 분산형 LLM 추론에서 비용 인지형 품질 증명(PoQ)을 위한 다중 아키텍처 평가 프레임워크
멀티모달 언어 모델을 활용한 소셜 미디어 AI 생성 콘텐츠 탐지
안전 데이터 추출을 위한 대규모 언어 모델 벤치마킹
BioDivergence: 생물의학 초록의 숨겨진 문맥적 모순을 위한 벤치마크 및 평가 프레임워크
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.