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.
Key-Interval A*: 구조적 추상화를 통한 격자 경로 탐색 가속
NeurGO: 메타 블랙박스 고비용 최적화를 위한 엘리트 후보 생성 학습
딥 서치에서의 위임 지능: 분리된 역량 진단을 위한 제어 가능한 프레임워크
ObsDriveBench: 관측 가능성 인식을 반영한 악천후 조건에서의 멀티모달 이해 벤치마킹
E-Bench: 실제 제품 시나리오에서의 다단계 도구 사용 에이전트 벤치마킹
자율 재료 발견을 위한 비용 인식 회수 경로 식별 및 베이지안 최적화
대규모 언어 모델의 현실 모니터링: 대화 기억에 따라 변하는 자기 지식
Plato-Bio: 검증 우선 생물학적 신규성 스크리닝, 시간적 재발견 및 구조 벤치마크
생성형 AI 증거의 반감기: 40건 기록 감사, 주장 통용성 프레임워크, 그리고 프론티어 모델 지원 연구의 반성적 사례
단기 교란 하에서 도착-출발 선로 활용 조정을 위한 양자 영감 진화 이웃 탐색
성공은 자명하지 않다: 에이전트 평가에서 성공 출처 감사
MiSS: 포인트 클라우드 분류기를 위한 최소 충분 연합의 논리 기반 설명
시각적 상태 전이를 통한 GUI 에이전트 스케일링
자기 수정 웹 에이전트를 위한 반증 가능한 약속 계획
제약 인식 그래프 어텐션을 통한 사실적·규범적 산업 지식 통합 기반 공정 계획 추천
AI 안전성 및 정렬 연구를 위한 인식론적 규범
Gubernaut: 정서 조절 LLM 에이전트를 위한 결정론적 항상성 컨트롤러, 독립 모델 계열 간 검증
실행에서 역량으로: 절차적 지식 합성을 통한 과학적 경험 통합
전력망 진단을 위한 멀티모달 LLM의 작업 조건부 충실성 감사
언어 모델 선택적 예측을 위한 계층적 그룹-조건부 컨포멀 리스크 제어
LLM-SoccerArena: 스포츠 실세계 예측에서 LLM 벤치마킹
SIREN: 경험 기반 LLM 에이전트를 활용한 end-to-end 극한 기상 조기 경보
자율 연구에서 효율성의 중요성
퇴거를 추정으로: 테스트 시간 메모리의 고정 지연 평활화 관점, 그리고 측정이 누적을 이기는 경우
ERUnderstand: 구조화된 ER 다이어그램에 대한 비전-언어 모델 평가
PCS-UQ: Predictability-Computability-Stability 프레임워크를 통한 불확실성 정량화
복소 Helmholtz 파동장을 위한 연산자 정보 가우시안 프로세스: 합성 벤치마크에서 생체 뇌 탄성영상까지
그래프 기반 상관 행렬 생성: 볼록 최적화 접근법
윤리와 보상이 갈라질 때: 도덕적으로 민감한 사회적 딜레마에서의 LLM 에이전트
InteractComp: 모호한 질의를 통한 검색 에이전트 평가
범용 다국어 개체명 인식 모델을 구축할 때 중요한 것은 무엇인가?
LMEB: 장기 기억 임베딩 벤치마크
Gemma 4 기술 보고서
Enjoy Your Talk: 분리형 사용자 시뮬레이션, 타깃 모델링, 판정을 갖춘 인간 중심 다중 턴 대화 벤치마크
한 턴 더, 후회는 덜: LLM 명확화 정책을 위한 후회 기반 다중 턴 벤치마크
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.