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.
키워드가 중요하다: 온디바이스 LLM 프롬프트의 에너지 민감도 분석
소프트웨어 엔지니어링 파이프라인에서 코딩 에이전트를 위한 실행 기반 보안 테스트
언어 모델의 메커니스틱 감사를 위한 참조 특징 아틀라스
PhononBench-MP40: 포논 안정성을 위한 스펙트럼 해상도 벤치마크 데이터셋
코딩 에이전트의 스캐폴드 효과: 코딩 에이전트 평가에서 하네스 선택이라는 숨은 변수
ParBench: LLM 병렬 코드 번역의 신뢰성 있는 평가를 위한 벤치마크
원자론적 시뮬레이션의 에이전트 기반 오케스트레이션
비전-언어 모델에서의 차트 기만: 취약성에서 완화까지
DeepLook: 선행 탐색(Lookahead)을 통한 더 깊은 사고
동역학 시스템에 대한 해석 가능한 제어기로서 LLM 평가
Tokengeist: 에이전트 대화에서의 다중 턴 귀속 추적
Opti-Q: 다중 LLM 질문 계획을 위한 제약 기반 최적화 프레임워크
VlogReward: 브이로그 편집을 위한 다차원 평가 학습
CallBench: 전화 통화 어시스턴트의 이중 목표 조율을 위한 벤치마크
언어 모델은 자기 자신으로 수렴하는가? 텍스트 이완으로서의 재귀적 자기 정제
MINT-V2X: 예측적 자원 관리를 위한 이동성 통합 네트워크 궤적 데이터셋
StanceBench: 음성 기반 오디오 LLM의 대인적 태도 평가 벤치마크
AIR-BENCH Live: 파운데이션 모델을 위한 진화하는 안전성 벤치마크
LLM 과제 적응이 정렬을 어떻게 재형성하는가: 행동 및 표현 드리프트의 다차원 연구
다중 에이전트 자동 연구 시스템을 위한 어휘
순차적 상호작용을 넘어: GUI 에이전트의 병렬 실행 및 조율 벤치마킹
PANOPTICON: LLM 컨텍스트 윈도우 내 프라이버시 유출 조사를 위한 PII 기반 자연주의적 출력 토큰 집합
SEGRA: Gremlin 기반 질의응답을 위한 구조화된 경험 기반 그래프 추론 에이전트
LLM 게임 에이전트의 공간 추론: 인과적 컨텍스트와 다단계 계획의 영향
SAGE: 고영향 생성형 AI의 검증된 라이프사이클 제어를 위한 안전성 우선 심층 방어 가드레일
Design Theater: 생성형 UI 벤치마크
ConsistencyGate: 자기 일관성 승인 제어를 통한 LLM 에이전트의 메모리 오염 방지
로봇 화학 실험실에서 대규모 언어 모델 에이전트 스트레스 테스트
SymStep: 논리적 추론을 위한 기호적 단계 검증
LLM 기반 Triton 커널 최적화를 위한 컴파일러 기반 계층적 진단
SQBench: 프로덕션 지향 워크플로우에서 언어 모델 에이전트의 작업 수행 평가를 위한 벤치마크
AgentOmnia: 전 시나리오 애플리케이션을 위한 에이전트 모델 스케일링
기계학습 원자간 포텐셜을 위한 온톨로지
RareLens: 분기하는 대규모 언어 모델 추론 정렬을 통한 종단 간 희귀질환 진료
ESF-Bench: 실전 기업 애플리케이션의 도전적인 슬롯 채우기(slot filling) 시나리오 벤치마킹
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.