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.
MCPEvol-Bench: MCP 서버의 동적 진화에 따른 LLM 에이전트 성능 벤치마킹
MemPoison: LLM 에이전트의 지속적 메모리 위협과 구조적 사각지대 규명
TopoAgent: 멀티모달 과학적 추론을 위한 자기 진화형 위상적 에이전트
Project Kaleidoscope: 실세계 AI 애플리케이션을 위한 문맥 기반 인간 정렬 평가
InCarEmo: 차량 내 감정 인식 및 운전자 상태 모니터링을 위한 멀티모달 데이터셋
AI 대 인간 전문가 추론: 스트리트 뷰 영상 기반 건물 유형 예측의 일치도 평가
다국어 프롬프트 기반 코드 생성을 위한 대규모 언어 모델: 큐레이션 벤치마크와 코드 품질 연구
LLM이 논문으로 MaxSAT 솔버를 구축할 수 있는가? CoreForge 경험
RW-Voice-EQ Bench: 음성 AI 시스템 평가를 위한 실세계 벤치마크
Proof-or-Stop: 에이전트를 믿지 말고 증거를 믿어라 -- 검증 가능한 증거 게이트 라이프사이클 제어를 위한 루프 엔지니어링
StructureClaw: 구조 공학 워크플로를 위한 추적 가능한 LLM 에이전트와 실행 가능한 벤치마크
CFM-Bench: 채널 기반 모델을 위한 통합 다중 도메인·다중 태스크 벤치마크
LQCDMaster: 격자 양자색역학 연구를 위한 에이전트형 과학 컴퓨팅
ANet Patu-1: 에이전트 네트워크에서 연결의 가치
NIFA: 효율적인 ML 추론을 위한 비선형 IMC 강화 FPGA
MedFailBench: 임상의가 구축한 의료 AI 안전 경계 점검용 오픈소스 벤치마크
Plover: 계획 중심 상호작용을 통한 GUI 에이전트 조향
MM-IssueLoc: 다중모달 레포지토리 수준 이슈 국소화에서 시각적 증거를 평가하기 위한 통제 벤치마크
언어는 안전하지만 행동은 치명적일 때: 은닉 상태 위험 공간에서 텍스트 안전성을 넘어선 물리적 위험 프로빙
MapAnything: 3D 도시 자산 위치 추정을 위한 단안 메트릭 깊이 모델 평가
RePlan: 복잡한 지시 기반 이미지 편집을 위한 추론 기반 영역 계획
PhotoAgent: Exploratory Visual Aesthetic Planning with Large Vision Models
의료 진단을 넘어서: 의료 다중모달 대규모 언어 모델(MLLM)은 공간에서 어떻게 사고하는가
TSHA: 신뢰할 수 있는 안전 위험 평가 시나리오에서의 비전-언어 모델 벤치마크
합성 객체 검출 데이터를 위한 학습 없는 지표: 검출기 성능의 대리 지표
개인적 특이점(Personal Singularity)을 위한 자기 인식 재귀적 자기 개선 에이전트: 목표, 범위, 도구, 벤치마크 기반 다중 에이전트 아키텍처
MultiRef-Compass: 다중 참조 오디오-비디오 생성의 포괄적 평가를 향하여
텍스트-투-비디오 모델을 위한 추론 시점 개념 억제 및 비디오 중심 평가
KeyFrame-Compass: 키프레임 조건 비디오 생성의 포괄적 평가를 향하여
고속 차량 레이싱을 위한 오도메트리 기반 3D 차선 검출
SD-MAR: 합성 데이터와 강화학습을 통한 다중 이미지 분석적 추론
AdaTurn: 능동적 시각 인지 에이전트를 위한 예산 인식 테스트 시점 스케일링
VIABench: 시각장애인으로부터 수집한 시각장애 보조를 위한 포괄적 비디오 벤치마크
GlobalForge: 견고한 AI 생성 이미지 탐지를 향해
AE-UAV: 공중-대-공중 이벤트 기반 UAV 추적 벤치마크 및 실시간 주파수 영역 트래커
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.