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.
AutoTrace: 에이전트 기반 절차 간 탐험을 통한 패치에서 트리거까지
24시간 농업 로봇틱스 구현: 야간 시각 내비게이션을 위한 비지도 주간-야간 교차모달 이미지 변환
대화형 에이전트의 다차원 평가 운영화: 선택적 재평가 및 모델 벤치마킹을 갖춘 확장 가능한 거버넌스 파이프라인
신뢰할 수 있는 자율 과학을 향한 2년 커뮤니티 로드맵
프론티어 언어 모델의 CBRN uplift 평가를 위한 임계값 초과 프레임워크
좋은 벤치마크
온디바이스 4B 딥 리서치: 노출은 충실성을, 검색은 커버리지를 제한한다
에이전트 벤치마크 결정을 위해 태스크는 몇 개면 충분한가? 공개 LLM 에이전트 벤치마크의 리플레이 분석
PM-Bench: LLM 에이전트의 전향적 기억(Prospective Memory) 평가
제2회 MLC-SLM 챌린지를 위한 Omnilingual-ASR 기반 Speech-LLM 시스템
부하 지지형 증거로서의 에이전트 안전성 평가: 벤더 중립적 크로스 하니스 재구성 가능성 지표
TRACE: 감사 가능한 에이전트 확약을 위한 운용형 추론 스키마
모델은 당신이 아니라 당신의 프로젝트를 안다: NameRank로 LLM의 인식 측정
에이전틱 서비스 지향 컴퓨팅: 서비스 지향 컴퓨팅의 다음 전선을 위한 선언
소규모 언어·비전-언어 모델 웹 에이전트에서 GRPO의 학습률 게이팅 실패: 통제된 null과 그 메커니즘
LLM은 연기는 볼 수 있지만 불꽃은 볼 수 없다: Elenchos를 이용한 가추적 추론 평가
길이 바이어스 하의 정확도와 정규화 정확도: 분석, 가이드라인, 베이지안 대안
조용한 경보: 모델 및 양자화 수준에 걸친 위험 인식 비교를 위한 J-공간 프로토콜
비전-언어 모델 추론에서의 시각 접근 경계
ChartGenEval: 리듬 게임 채보 생성을 위한 손상 테스트 기반 다차원 피드백
MemOps: 장기 대화에서의 생명주기 메모리 연산 벤치마킹
ViHoRec: 품질 관리 기반 베트남 호텔 추천 데이터셋 및 콜드 스타트 벤치마크
FormalAnalyticGeo: 멀티모달 해석 기하학 문제 생성을 위한 신경-기호 기반 프레임워크
앙상블 결정화 MCTS를 위한 동적 자원 할당
AI 에이전트는 작업이 단순한지 아는가? 복잡도 인식 추론과 실행을 향하여
기후 모델 에뮬레이션에서 기후 과학과 머신러닝 간의 격차 해소
원자간 포텐셜을 위한 방사형 회전 어텐션을 갖춘 에지 클러스터 확장
감지와 민감도: 긴 컨텍스트 코드 이해에서 의미적 재현율의 영향 분석
PiCSAR: 추론 체인을 위한 확률적 신뢰도 선택 및 랭킹
destroR: 의미 보존 공격 하에서 방글라 전이 모델을 위한 벤치마크 및 적대적 학습 방어
DEER: 전문가 보고서 생성을 위한 심층 연구 에이전트 평가 벤치마크
BiasLab: LLM 바이어스 측정을 위한 다국어 이중 프레이밍 프레임워크 — 직장 및 HR 맥락 적용
PRiSM: 음성 모델의 음소 실현 벤치마킹
IslamicMMLU: 이슬람 지식에 대한 LLM 평가 벤치마크
범용 음소 인식을 위한 경험적 레시피
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.