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.
코딩 에이전트를 활용한 능동 유동 제어의 휴리스틱 학습
HiFi-LLP: 강건한 HW-NAS를 위한 신뢰도 기반 고충실도·저비용 지연 시간 예측기
불공정한 평가자의 내부: LLM-as-Judge 바이어스에 대한 기계론적 해석 가능성 분석
형식 민감도 지수: LLM 벤치마킹에서 토큰 제어 기반 프롬프트 래퍼 강건성과 스키마 준수
Faithful, Not Corrective: Message-Format Effects in Multi-Hop Agent Relays Are Tier-Dependent
검증기가 커리큘럼이다: 크로스-패밀리 게임 생성을 위한 실행-게이팅 자기 증류
AI를 위한 라마누잔 챌린지
스코어 집합보다 코어셋 먼저: LLM 벤치마크를 위한 평가-비지도 프롬프트 부분집합 선택
전략가를 위한 스캐폴딩: 호텔링 공간 시장에서의 아키텍처 의존적 추론 개입
BatteryLake: 에이전틱·물리 기반 이종 배터리 노화 데이터 큐레이션 및 벤치마킹
PHITSBench: 자연어를 활용한 AI 보조 PHITS 방사선 수송 입력 생성을 위한 실행 기반 평가 벤치마크
구현된 비전-언어 내비게이션의 종합적 서베이 및 체계적 실세계 평가
자기 발견적 명세를 활용한 에이전틱 문맥 학습
Trivial Prompt Reframing Bypasses Safety Guardrails in Googleś MedGemma-4B
격렬한 기쁨은 격렬한 결말을 맞는가? 에이전틱 코드의 병합 후 운명 측정
SFX 생성 평가를 위한 프로덕션 지향 프레임워크
Who&When Pro: 대규모 언어 모델은 AI 에이전트의 실패를 실제로 귀인할 수 있는가?
Minionese: 다국어 LLM 안전성에 대한 종합 벤치마크 및 메커니즘 연구
GitHub MCP 구현체의 대규모 데이터셋
ML in a Box: 오픈소스 ML 프로젝트의 컨테이너화 관행 분석
ActiveFly-Bench: 항공 구현 인식을 위한 비전-언어-행동 기반 구현 질의응답 정렬
KGCQual: 텍스트로부터 구축된 지식 그래프 품질 평가를 위한 해석 가능한 프레임워크
대규모 언어 모델의 위험 민감 의사결정에 나타나는 행동적 특성
SPARK: 대규모 언어 모델의 잠재 추론 상태에 대한 취약성 기반 프로파일링 및 조정
확률적에서 안정적으로: AI 가시성 측정에서의 순위 안정성과 구조적 충분성
ANCHOR: 실제 위해 사례 기반 CLI 에이전트 자동 정렬 감사 프레임워크
CRiT-QA: 반사실적 체인과 디스트랙터 트랩을 활용한 다단계 추론 평가
규제 기반 세밀 분류를 위한 제약 인식 계층적 탐색
순응 함정: AI 에이전트가 충돌하는 메모리를 소비하는 방식 진단
Opti-Agent-Bench: 실제 비즈니스 문제에 대한 엔드투엔드 최적화 R&D 에이전트 벤치마킹
Imaging-101: 과학적 계산 이미징에서 LLM 코딩 에이전트 벤치마킹
라우팅, 통신, 추론: 효율적인 다중 에이전트 추론을 위한 게이트 라우팅과 적응적 깊이
사색적 LLM을 향하여: 정신 건강 분야에서 LLM 정렬 평가 및 향상을 위한 모듈형 프레임워크
체커에서 예측기로: 지연된 정답 환경에서 모델이 생성한 전략적 경로에 대한 코드 소유 평가
LLM은 과학적 발견을 위한 준비가 되었는가? AI 과학자를 위한 능력 중심 벤치마크
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.