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.
인구통계학적 조건 융합 임베딩을 통한 관점주의적 사회적 의미 학습
UrduMMLU: 우르두어 이해를 위한 대규모 멀티태스크 벤치마크
MMAE: 대규모 멀티태스크 오디오 편집 벤치마크
SWE-Explore: 코딩 에이전트의 저장소 탐험 방식 벤치마킹
Phun-Bench: 중국어 음운 이해에 대한 대규모 언어 모델(LLM) 평가
M$^3$Exam: 현실적인 사용자-에이전트 상호작용을 위한 멀티모달 메모리 벤치마킹
가려진 이점: 대규모 언어 모델에서 현지 언어를 통한 문화적 지식 접근 규명
독화 격차: VSR 모델은 인간 독화자처럼 시각 음성을 지각하는가?
아첨적 칭찬: 언어 모델에서의 과도한 칭찬 평가
Agentopia: 에이전트 사회에서의 장기 삶 시뮬레이션 및 학습
대규모 언어 모델을 탐험에 사용해야 할까, 활용에 사용해야 할까?
제한된 라벨 하에서 어떤 해부학이 중요한가? 데이터 효율적 해부학 인식 심장 병리 예측 벤치마크
Lean4Agent: 에이전트 워크플로우 및 궤적에 대한 형식적 모델링과 검증
CrowdMath: 크라우드소싱 수학 연구 토론 데이터셋
에이전틱 AI 제어 평가에서 공격 선택이 안전성을 유의미하게 저하시킨다
Elmes*: 롱테일 교육 시나리오에서 대규모 언어 모델을 위한 세밀한 평가 루브릭 자동 구축
MacArena: 온라인 macOS 환경에서 컴퓨터 사용 에이전트 벤치마킹
EEG 파운데이션 모델의 정체성 함정: 진단 감사
RECAP: 프롬프트의 지속적 적응을 위한 회귀 평가
ShallowBench: 얕은 포켓 표적에 대한 생성형 약물 설계 모델 벤치마킹
OpenSkill: 대규모 언어 모델(LLM) 에이전트를 위한 오픈 월드 자가 진화
매칭 학습: 시간적으로 확장된 피드백을 갖는 양면 매칭
딥 강화학습에서의 성능 변동
알칼리 활성 슬래그의 성능 예측 및 설계 공간 탐험을 위한 반응성 기반 머신러닝
게이트 순환 유닛 내의 곱 유닛이 핵 질량 예측을 향상시킵니다
GlucoFM-Bench: 혈당 예측을 위한 시계열 기반 모델 벤치마킹
비전-언어 모델에서의 시각적 무지 진단
ThinkBooster: 대규모 언어 모델(LLM) 추론의 매끄러운 테스트 타임 스케일링을 위한 통합 프레임워크
미세조정의 함정: 10억 미만 매개변수 수학적 추론에서의 네거티브 전이 평가와 PEFT의 역할
합성 EHR 생성에서 재현 가능한 연구 가속화
TRACE: 적응형 교차 단계 증거 집계를 통한 LLM 에이전트 궤적 추론
필터 특징 선택 평가의 바이어스: 데이터셋, 기준선, 실험 설계 선택에 대한 메타분석
SlimSearcher: 적응형 보상 게이팅을 통한 학습 효율성 인식 웹 에이전트
원시 수치 연구 데이터에서 비무작위 패턴을 탐지하기 위한 기계학습 보조 점진적 자릿수 무작위성 스크리닝 프레임워크
REMEDI: 다중 레이블 임상 질병 추론에서의 보존 및 언러닝 평가 벤치마크
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.