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.
동질성-간결성 트레이드오프에 의한 외부 클러스터링 검증
위치 바이어스는 천장 효과 뒤에 숨겨져 있다: LLM 벤치마크를 위한 순열 진단
평가에서 최적화로: Python CWE 예측을 위한 계층 인식 학습 신호
TOUR: 오프라인 강화학습을 위한 궤적 수준 언러닝 벤치마크
GlucoTune: 당뇨병 혈당 전처리, 예측 및 벤치마킹을 위한 통합 프레임워크
실행 가능한 인과 연구 파이프라인의 자동 합성 및 적대적 검증
AI 어시스턴트의 과도한 개입
X$^3$-OPD: 온-정책 정렬을 통한 대규모 오디오-언어 모델로의 추론 증류
잘못된 증상 표시: 의료 텍스트에서 LLM 워터마크 평가
확률적 샘플링은 인식론적으로 얕다: LLM에서 온도 변동과 모델 다양성 간 차원 격차
JAXBench: 자율 TPU 커널 최적화 벤치마킹
InferenceBench: AI 에이전트를 이용한 개방형 LLM 추론 최적화 벤치마크
견고한 크리틱: 다중 턴 공격으로부터 LLM 방어
VeriSimpl: 단순화 기반 검증을 활용한 자연어 기반 견고한 최적화 모델링
다중 센서 물리적 위험 평가에 대한 대규모 언어 모델 벤치마킹
Infrastructure-as-Code 생성을 위한 에이전트형 LLM의 검증기 우선 평가
Liars' Bench를 넘어서: 거짓말 유형, 깊이, 희소성이 대규모 언어 모델(LLM)의 기만 탐지에 미치는 영향
악마는 스펙트럼에 있다: 위상학적 정규화 부수 경로를 통한 대규모 언어 모델의 표현 붕괴 완화
실세계 사용자 기대를 위한 언어 모델의 기대 정렬
멀티 에이전트 시스템을 위한 워크로드 인식 캐싱
오류에서 규칙으로: 텍스트 분류를 위한 반복적 프롬프트 최적화
AISE-Bench: 학술 지식 그래프에서의 정보 탐색을 위한 전주기 큐레이션 벤치마크
ExecuGraph: 대규모 언어 모델을 활용한 신뢰할 수 있는 백엔드 코드 합성을 위한 다중 에이전트 실행 기반 프레임워크
MKEvolve: 커널 코드 생성을 위한 모듈형 멀티 에이전트 프레임워크
LeanFlow: 워크플로우 기반 Lean 자동 형식화 사례 연구
Telco-GAIA: 통신 도메인 에이전트를 위한 이중언어 벤치마크
CANN Bench: 실제 NPU 및 알고리즘적 한계 대비 에이전트 생성 커널 벤치마킹
수학 문제 해결을 위한 대규모 언어 모델에서 실행 가능한 추론 제약 하의 표현 견고성
ConfidenceBench: 대규모 언어 모델의 신뢰도 보정 평가
에이전트 기반 과학 문헌 종합에서 인용 충실성의 평가와 가드
PromptPack: 온라인 추천을 위한 LLM 어노테이션 에이전트 스케일링
DynamicMCPBench: 라이브 MCP 서버 위 LLM 에이전트를 위한 트레이스 기반 효과 점수 벤치마크
AppWorld-UL: 도구 사용을 위한 다양한 에이전트-사용자 상호작용 벤치마킹
WaveformQA: 디지털 파형에 대한 LLM 시간적 추론 벤치마킹
NVIDIA-labs OO Agents: 네이티브 Python 객체지향 에이전트
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.