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.
NeSy-Route: 제약 조건 하 원격 탐사 경로 계획을 위한 신경-기호 벤치마크
LLM 기반 정성·정량 평가를 활용한 상미분방정식 발견
TuxBot: 대규모 언어 모델을 이용한 의미 인식 온라인 OS 튜닝
Infinity-Parser2 기술 보고서
유동 지능 연구에 규칙 귀납을 되돌릴 것인가? 인간에서 ARC-AGI 벤치마크의 초기 검증
최적화만으로는 충분하지 않다
근골격계 치료를 위한 근거 기반 AI
안전장치 조건부 uplift: 이중 용도 생물학 어시스턴트의 유틸리티-위험 프론티어 측정
개입적 그라운딩 감사: 술어 대체를 통한 LLM 사고의 연쇄(CoT) 블랙박스 전제 의존성 테스트
은하수를 여행하는 히치하이커를 위한 단일 문화 안내서
기업용 코딩 에이전트의 추론 경제학: 클라우드 대 온프레미스 LLM 사례 연구
아키텍처보다 먼저 기준선: 자율 침투 테스트를 위한 코딩 에이전트 평가
WaterMoE: 고충실도 및 고효율을 위한 전문가 라우팅 기반 워터마킹
SemaDiff: 생성 코드와 테스트를 이용한 의미 변경 커밋 식별
장기 수행 AI 에이전트를 위한 엔터프라이즈 메모리 기판으로서의 Oracle Agent Memory
EZSMT Version 3, 성숙화
학습 참여 보조 도구(LEA): 에이전트형 AI 튜터링 시스템의 교차 과목 확장성 및 교실 평가
암스테르Dam의 카페: 현행 구현이 오라클이 될 때
블랙박스를 조종할 수 있는가? 협력 에이전트 기반 추천 시스템의 제어 가능성 중심 평가
AI 안전성 평가를 위한 적대적 프롬프팅 프레임워크
실제 텔레메트리 데이터에서 근본 원인 분석은 어디까지 가능한가?
예측에서 협업으로: 상호작용형 기호 음악 분석
보호 역량 환각: 대규모 언어 모델이 존재하지 않는 역량을 주장할 때
STOCKTAKE: 공정한 오라클로 LLM 에이전트의 지각-행동 간극 측정
UESF-Bench: 통합 체화 탐색 및 추종을 위한 벤치마킹과 프로빙
AgentCompass: 에이전트 역량을 위한 통합 평가 인프라
CAVA: 에이전트형 AI 시스템 런타임 거버넌스를 위한 정규 행동 검증 및 증명
AIMO 해석가능성 챌린지
에이전트 옵티마이저는 누적되는가? Terminal-Bench 2.0에서의 지속 학습 평가
꼬리를 키우다: 대규모 언어 모델의 출력 다양성 확대
미로 속에서 길을 잃다: 장기 궤적 에이전트 검색의 컨텍스트 한계 극복
LLM 평가를 위한 적응형 검사: 정적 벤치마크의 심리측정학적 대안
설계상 선언적, 관례에 의해서만 어시스트 가능: 다중 에이전트 프레임워크의 AI 어시스트 가능성 벤치마킹
검색-증강 개인화 대화에서의 평가 재고: 인지·언어학적 관점
ISE: 멀티턴 OS 에이전트 궤적을 위한 실행 기반 레시피
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.