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.
기계 속 CASPER: LLM 생성 이야기의 인물 다양성에 대한 통찰
An LLM-Based Framework for Intent-Driven Network Topology Design
확산 샘플러의 개선된 오프-정책 학습
ToolSense: 대규모 언어 모델의 파라메트릭 도구 지식 감사를 위한 진단 프레임워크
블랙박스 LLM 분류에서의 점수 세분화 격차: 신뢰도 구성 방법 비교 연구
진정한 다국어가 아님: 비전-언어 모델(VLM) 평가에서 누락된 차원으로서의 문자 일관성
PPE-Bench: 사적-공적 얽힘 하에서 MLLM 언러닝을 평가하기 위한 벤치마크
도메인 시프트 하에서 유방촬영술을 위한 기반 모델의 강건성 벤치마킹
Gavel: Agent Meets Checklist for Evaluating LLMs on Long-Context Legal Summarization
LLM 평가자는 언어 간 바이어스를 보인다
TW-LegalBench: 대만 법률 이해도 평가
Massive-STEPS: POI 체크인 이해를 위한 대규모 시맨틱 궤적 -- 데이터셋 및 벤치마크
MortarBench: 주택 담보 대출 발급 에이전트 평가
테이블탑 RPG 게임 디자인에서 몬스터 레벨 예측을 위한 머신러닝 적용
crossMoDA Challenge: Evolution of Cross-Modality Domain Adaptation Techniques for Vestibular Schwannoma and Cochlea Segmentation from 2021 to 2023
자율주행 3D 인식 오류 평가를 위한 노력 기반 위험도 지표
GraphVid: 대화형 그래프 제어 비디오 생성
Know2Guess: 대규모 언어 모델의 지식 경계 평가를 위한 오염 인지 다중 영역 벤치마크
Index SLM 기술 보고서
언어가 다국어 LLM의 인스트럭션 계층 준수를 형성한다
DF3DV-1K: 방해물 제거 새로운 시점 합성을 위한 대규모 데이터셋 및 벤치마크
MM-ToolSandBox: 시각적 도구 호출 에이전트 평가를 위한 통합 프레임워크
ChainWorld: 원자적 OSWorld 태스크로부터 장기 호라이즌 데스크톱 워크로드 구성
ContextSniper: 저장소 수준 프로그램 수정을 위한 AntTrail의 토큰 효율적 코드 메모리
GeCo: 움직임과 구조를 통한 비디오 생성의 기하 일관성 평가
DiagnosisArena: 대규모 언어 모델의 진단 추론 벤치마킹
ChartFI: 멀티모달 대규모 언어 모델의 차트 설명에 대한 충실도와 통찰력 벤치마킹
FronTalk: 멀티모달 피드백을 통한 대화형 코드 생성으로서의 프론트엔드 개발 벤치마크
OpenForgeRL: 어떤 환경에서든 하네스 네이티브 에이전트 학습
SARATR-X-v2: SAR 파운데이션 모델을 위한 스케일 인식 구조적 사전학습
다중 장기 이미지에 대한 연합학습 벤치마크 평가
DishSeg24k: 확률적 전문가 디코딩을 위한 대규모 음식 분할 벤치마크
HoloCount: 멀티모달 대규모 언어 모델을 위한 총체적 시각 계수 벤치마크
GENEB: 유전체 모델 비교가 어려운 이유
이중 단계 증류를 통한 비제약 이벤트-이미지 특징 매칭의 레이블 없는 타겟 도메인 적응
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.