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.
하강 방향으로부터 학습: 일방 Hölder 정칙성 하의 적응형 경사하강법
지수 기울기를 통한 확산 가이드 검색(DiffTilt): 안전-중요 시스템 반증에의 적용
부하 의존 비용을 갖는 중국인 우편배달부 문제를 위한 하이브리드 메타휴리스틱 프레임워크
Arabidopsis ISR 유전자 조절 모델링에서 연속 대리 모델 대 임계값 Boolean 네트워크
제약 경계 비의존적 베이지안 최적화: 모든 임계값을 위한 단일 모델
유전 프로그래밍 심볼릭 회귀에서 제로샷 LLM 생성 부모 선택 벤치마킹
다국어 지시 미세조정에는 최적의 언어 집합이 존재하지 않는다: 언어학적 정보 기반 연구의 통찰
LIBMoE: 대규모 언어 모델에서 전문가 혼합(MoE) 종합 벤치마킹을 위한 라이브러리
SAFE-MEME: 밈에서 견고한 혐오 표현 탐지를 위한 구조화된 추론 프레임워크
PReSS: LLM의 정치적 입장 안정성을 평가하는 자동화 블랙박스 프레임워크
BioProBench: 자율 과학에서 생물학적 프로토콜 추론을 위한 코퍼스 및 벤치마크
대규모 언어 모델을 활용한 다국어 부정적 선거 캠페인 측정: 19개국 1,800만 트윗 연구
TRIDENT: 금융, 의학, 법률 분야 LLM 안전성 벤치마킹
PrinciplismQA: LLM-인간 임상 의료 윤리 정렬(alignment) 평가를 위한 철학 기반 접근법
퓨샷 딜레마: 대규모 언어 모델의 과프롬프팅
Entropy Sentinel: LLM 모니터링을 위한 엔트로피 트레이스 프로빙
대규모 언어 모델의 알고리즘적 맹목: 성능 예측의 보정 연구
SafeCRS: LLM 기반 대화형 추천 시스템을 위한 개인화된 안전성 정렬
보지 못한 라벨 없는 데이터에서 Text2SQL 모델을 위한 효율적이고 효과적인 평가기
대규모 절차적 지식이 추론 성능을 향상시킨다
StreamProfileBench: 실세계 스트리밍 시나리오에서의 세밀한 사용자 프로파일 추론 벤치마크
상속 추론에서 어떤 모델이 더 나은 성능을 보이는가?
대규모 다국어 자동 음성 인식에서 언어적 유사성이 교차 언어 전이에 미치는 영향 평가
베트남 고원, 삼각주, 해안의 메아리: 참, 크메르, 따이-눙을 위한 다국어 코퍼스
MedDDC-Eval: 다회차 의료 상담 에이전트의 진단 분리 평가
자본시장 LLM 신뢰성 점수(CM-LRS): 그럴듯함에서 실무 수용 가능성까지
저작권법 준수의 에이전트 기반 평가
GAND 설명: 성별 모호 자연 데이터 및 대조적 속성 분석 리소스
심사자 가이드라인 설계가 LLM 기반 자동 동료 심사에 미치는 영향 평가
동료 심사 데이터의 세부 차이에서 모범 사례로
토큰맥싱에 최적인 프로그래밍 언어: 프로그래밍 언어별 코딩 에이전트 행동 조사
다국어 금융 QA를 위한 언어 라우팅 RAG 및 직접 선택지 점수화: FinMMEval의 DS@GT
PatiGonit22K: 복잡한 벵골어 수학 단어 문제(MWP) 해결을 위한 포괄적 데이터셋
AssumptionMiner: LLM 코드 생성에서 암묵적 가정의 추출, 추적 및 수정
단순한 언어 정규화의 승리: TidyVoice 2026 챌린지를 위한 교차 언어 화자 검증
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.