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.
필터링된 추론 점수: 모델의 가장 확신 높은 추론 경로에서 추론 품질 평가
PersonaTrail: 브라우징 궤적 기반 개인화 웹 에이전트 벤치마킹
VLAFlow: 공동 학습 및 미래 잠재 정렬을 통한 비전-언어-행동 모델의 통합 학습 프레임워크
3D 무릎 MRI 분할 및 교차 도메인 일반화를 위한 강도 정규화 방법의 체계적 벤치마크
억제와 붕괴 사이: LENS를 이용한 내러티브 언러닝 평가
생성 AI 시대의 딥페이크 미디어 생성 및 탐지: 서베이와 전망
So-Fake: 소셜 미디어 이미지 위조 탐지 벤치마킹 및 설명
LabGuard: Grounding Natural-Language Laboratory Rules into Runtime Guards for Embodied Laboratory Agents
규모가 아닌 접근 구조로부터의 능력: 하이브리드 시퀀스 모델을 위한 하한과 사전 등록 테스트
LLM 사회 시뮬레이터 감사를 위한 이유 매개 행동 모델
GIM-ENDO: 위장 장상피화(GIM) 형태학 및 병리학을 위한 다중 모달 내시경 이미지·비디오 데이터셋
LU-500: 개념 언러닝을 위한 로고 벤치마크
정확도는 언어 모델의 실패 방식을 숨긴다: 동일 출력 예산 하 실패 상태 측정
FirstResearch: 대규모 언어 모델 과학적 발견 에이전트를 위한 감사 가능한 연구 질문 형성
LLM이 동의할 때, 그들은 옳은가? 신뢰도 신호로서의 자기일관성과 모델 간 합의 감사
Agent-UCT: 비용 인식 에이전트 워크플로 최적화를 위한 트리에 적용된 상한 신뢰 경계
Ouroboros-Spatial: 공간 추론을 위한 데이터-모델 루프 폐쇄
WaspMOT: Trichogramma 말벌의 장기 다중 객체 추적을 위한 벤치마크
유방 초음파 분류를 위한 GCN 프레임워크에서 이미지 인코더 선택과 그래프 동질성 분석
현재 검색기(Retriever)는 모든 증거를 포괄하는가? 연합적 교차 페이지 검색에 대한 통제 연구
FilmBench: 영화급 시네마틱 비디오 생성 벤치마크
Prompt Framing Distorts Count Based Evaluation of LLM Error Detection: Evidence from Numeric Anchoring
Will Scaling Improve Social Simulation with LLMs?
레이아웃 인지 정렬과 구조 인지 추론을 통한 이질적 요소 인지 과학 문서 교차 버전 차이 분석
EAGT: 일반화와 전이성을 위한 심초음파 데이터 증강
채우기 후 진전: 시나리오 특화 원격 탐사 MLLM을 위한 역량 격차 주도 사후 학습
scMIR: 단일 세포 광학 현미경 이미지 표현을 위한 비전-언어 파운데이션 모델
묶인 데이터를 위한 코호트-어텐션 평가 지표
다양한 데이터셋에 걸친 영어-타밀어·타밀어-영어 대규모 언어 모델 및 트랜스포머 기반 기계 번역의 체계적 분석
Semalith v1.4: Llama-Guard-3-8B 대비 매개변수 44배 적은 보정 184M 안전 분류기로 SOTA 프롬프트 인젝션 탐지 달성
CORVUS: LLM 코딩 에이전트를 위한 기저 동기화 기반 컨텍스트 최적화 및 축소
Shapley를 넘어서: LLM 정렬 및 평가를 위한 영향 기반 데이터 감사 파이프라인
DomainPilot: 효율적인 언어 모델 미세조정을 위한 도메인 수준 손실 기반 2단계 데이터 혼합 최적화
의수 제어를 위한 쿼리 기반 트랜스포머를 이용한 멀티모달 표면 EMG 손 제스처 인식
로짓 바이어스를 통한 놀라울 정도로 간단한 언어 모델 블랙박스 적응
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.