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.
Idea2Plan: AI 기반 연구 계획 수립 탐구
도구 환상: 웹 에이전트의 도구 사용 재검토
연구 어텐션을 맥락적으로 구조화된 흐름으로 표현하기
신념 기반 에이전트 메모리는 언제 도움이 되는가? 신뢰도 조건부 갱신과 출처 상한 기반 중독 방어
MedRealMM: 중국 온라인 의료 상담을 위한 실세계 멀티모달 벤치마크
대규모 웹 크롤링 코퍼스에서의 견고하고 확장 가능한 텍스트 포함 감지
MAG: 멀티모달 액션 및 가이드 생성을 위한 웹 에이전트 벤치마크 및 하네스
Just Keep Prompting: VLM에서 반복적 소크라테스식 프롬프팅 평가
Eta Given Delta: 한계 도구 효용(Marginal Tool Utility)을 통한 LLM 도구 효율성 정의
내성 미세조정(IFT): 소형 LLM의 내성 학습
실행 인식 LLM 연구 아이디어 생성을 위한 예산 기반 부분집합 정제(Budgeted Subset Refinement)
MEMORA: 자기중심 비디오로부터의 체화 행동 기억을 통한 추론 및 계획
SemEval-2026 Task 11의 HABIB_TAZ: 합성 학습과 다목적 최적화를 통한 내용과 형식 논리의 분리
LongEval에서 DS@GT ARC: 과학 QA의 인용 무결성과 사실적 그라운딩
대규모 언어 모델의 논리적 일관성을 위한 통제된 재표현 테스트
공개 기록상의 Qubes OS 보안
AI 생성 피드백은 얼마나 효과적인가? 2만 건 이상의 EFL 에세이 초고에 대한 내재적·외재적 평가
LLM 기반 자동 에세이 채점에서 모국어(L1) 바이어스 조사: TOEFL 에세이에 대한 오픈 가중치 AI 모델의 크로스-프롬프트 평가
라우팅 상한은 도메인에 무관하다: 코드 보안 취약점 탐지에서의 구조적 사전 주입
다중 에이전트 토론이 연구 논문에 대한 AI 피드백을 개선하는가?
생성형 AI가 지도 학습 XMLC를 대체하는가? 독일 과학 문헌 자동 주제 색인 벤치마크 연구
OmniaBench: 다양한 시나리오에 걸친 범용 AI 에이전트 벤치마킹
Rubrics on Trial: 합성 순쌍 증거를 통한 단일 쿼리 기반 루브릭 진화
Grokipedia vs Wikipedia: 이념 차원에 따른 정치적 중립성에 대한 LLM 기반 감사
TikStance: TikTok 정치 대화에서 다중 대상 입장 분석을 위한 멀티모달·계층적 데이터셋
리더보드를 넘어: 신뢰할 수 있는 멀티모달 VQA를 위한 설계 교훈
SciDiagramEdit: 논문 수정본으로부터 과학 다이어그램 편집 학습
분할, 프롬프트, 집계: 언어 모델의 통계적 자기 일관성
SafeOR-Gym: 실용적 운영연구 문제를 위한 안전 강화학습 알고리즘 벤치마크 스위트
리피드 나노입자(LNP) 전입 효율 예측을 위한 머신러닝 벤치마킹 프레임워크
동적 레드팀 테스팅으로 건강·의학 분야 대규모 언어 모델의 벤치마킹 격차 해소
시간 그래프 학습 모델은 무엇을 학습하는가?
PhasorFlow: 단위원 기반 연산을 위한 Python 라이브러리
물리적 표면에서 인간 중심 열 스트레스까지: LST와 UTCI 열 지도화가 드러내는 도시 형태의 비선형 효과
모델은 모델링할 수 있지만 바인딩은 못한다: 텍스트-투-최적화에서의 구조화된 그라운딩
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.