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.
전역 규범을 넘어: 재학습 없이 언어 모델의 독성 민감도 개인화
IndicTalk: 인디아 언어를 위한 대규모 페르소나 기반 다국어 대화 코퍼스
BHARATI: 서브워드 fertility 분석을 통한 고전 인도어를 위한 형태소 인식 토크나이저
IKS-Instruct: 언어 모델에 인도 지식 체계를 가르치기 위한 24,000개 예시 다국어 데이터셋
저자원 개체명 인식을 위한 BERT 기반 모델 대 대규모 언어 모델: 마라티어 비교 연구
추론인가 암기인가: LLM은 중국어 쉬에허우(歇后语) 수수께끼를 이해하고 생성할 수 있는가?
소형 모델은 제공한 법률을 실제로 활용하는가? 방글라데시 법률 QA를 위한 컨텍스트 주입 미세조정
사고의 연쇄 불충실성의 두 체제: 모델이 틀린 곳에서 행동적 탐지는 실패한다
다이어그램은 대규모 언어 모델의 추론에 도움이 되는가? 삼단논법 추론으로부터의 증거
새로운 주장인가, 데jà vu인가? 다중모달 자동 팩트체킹을 위한 "오염 없음" 동적 평가 재검토
정치적 축을 통한 LLM의 정렬 제어 가능성 감사
언어 모델을 더 공감적으로 이끌기: 인간-LLM 협업을 통한 문화적으로 민감한 정신건강 조언 생성
GEMCo: 검증된, 윤리적으로 공개 가능한 접근 불가 상담 데이터 프록시
컨텍스트 귀속이 모델이 이미 알고 있는 지식을 어떻게 다루는가
동결 12B, 검증된 작업에서 프론티어 모델을 능가: 100% 정확도, 0 토큰, 비트 정확, 영구적
Indic DiarBench: 인도 언어를 위한 다국어 공동 화자 분리 및 ASR 벤치마크
Earnings25: 금융 분야 500시간 규모 종합 음성 벤치마크
누가 이름으로 언급되는가: 인용 유형이 그라운딩된 언어 모델의 개인 이름 언급을 예측하며, 명단 기반 측정 도구는 이를 0.5%만 포착한다
대규모 언어 모델에서 어조에 따른 추론 비용 이해
태그 질문과 45개 언어 모델 전반의 아첨 세대별 역전
압축 단문 생성에서 품질이 붕괴되는 지점: 단계적 병목 국소화
StanceFlip: 다중 모달 대화형 입장 전환 예측을 위한 포괄적 다차원 벤치마크
INS-ActBench: 대규모 언어 모델의 전문 보험계리 역량 평가를 위한 종합 벤치마크
토크나이저 세금: 인도 언어를 위한 서브워드 토큰화의 다국어 비용 정량화 및 설명
휴리스틱 자기 개선 에이전트에서 자가 작성 검증은 신뢰할 수 없다
Keep It InMind: 에이전트 메모리의 암묵적 연관 블라인드 스팟 벤치마킹
의료 상호운용성을 위한 폐루프 검증-수리: 임상 LLM의 스키마 준수에 관한 다중 모델 연구
트랜스포머 추론에서 잠재 알고리즘 라우팅의 그라운딩
SINT-Flow: 대규모 언어 모델(LLM) 워크플로를 이용한 스키마 통합
루핑은 신뢰성이 아니다: 에이전트 코드 수리를 위한 상태-경계 증거와 타입 지정 개정 계약
스케일과 생성을 넘어: 언어 모델 기반 엔티티 매칭 이해
DataOrchestra: 사전학습 데이터의 예제별 큐레이션 오케스트레이션 학습
EditCLEVR: 객체 중심 표현의 구성적 충실성을 위한 전후 쌍 장면 개입 벤치마크
LowAux-RDNet: 단일 이미지 반사 제거를 위한 저역 통과 잔차 감독과 장면 균형 실세계 학습
아동 중심 AIGC 영상 위험 검토: 벤치마크 및 지식 지원 반복 추론 프레임워크
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.