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.
숨겨진 발자국: 저장소를 LLM 에이전트 평가의 일급 지표로 만들기
자기 진화하는 임상 시스템으로의 경로: 보조에서 자율성으로의 의료 에이전트 스케일링
SCALECUA: 검증 가능한 태스크 합성과 효율적인 온라인 강화학습을 통한 컴퓨터 사용 에이전트 스케일링
LLM 계획 능력에 대해 우리가 이야기할 때 이야기하는 것: 두 가지 독립적인 계획 능력에 대한 증거
유효함 ≠ 필요함: 사고의 연쇄에서 잠재적 비효율성 진단
다중 에이전트 증명 자동형식화를 위한 효율적인 테스트 시간 최적화
StructAgent: 통합 인과 구조로 장기 수평 디지털 에이전트 활용
Interaction Scaling: Grounding the Third Axis of Test-Time Compute
병목을 통해 생각하기: 엄밀한 귀납을 위한 모래시계 추론
혼합 신호 스파이킹 신경망의 설계 공간 탐험을 위한 하드웨어 인식 오픈소스 프레임워크
의사 진행 발언: 데이터 기반 시민 숙의를 위한 행동 인식 LLM 페르소나 모델링
QQ: 다국어 자연어 처리를 위한 언어 메타데이터 툴킷
대화를 통한 월드 모델 정렬 기반 체화 멀티 에이전트 협력
대규모 언어 모델(LLM)은 의사를 보조할 준비가 되었는가? 대화형 의사-환자-EHR 보조를 위한 PhysAssistBench
일관성은 있지만 오보정됨: 자연어에서의 위험 소통을 위한 LLM 한계 평가
기만적 그라운딩: 임상 검색-증강 생성에서의 개체 귀속 실패
긴 컨텍스트 대규모 언어 모델을 위한 자기 유도 테스트 시간 학습
다국어 시각적 객관식 문제에서 소형 VLM을 위한 테스트 시간 스케일링
Jet-Long: 동적 이중초점 RoPE를 활용한 효율적인 장문 컨텍스트 확장
재샘플링인가 재라우팅인가? 대규모 언어 모델(LLM)을 위한 예산 인식 테스트 타임 모델 선택
SolarChain-Eval: 분산 에너지 시장에서 신뢰할 수 있는 경제 에이전트를 위한 물리 제약 벤치마크
HERO: 연합 지속 학습을 위한 이질성 인식 벤치마크 라이브러리
DaDaDa: 데이터 마켓플레이스의 데이터 가격 책정을 위한 데이터셋
TheBioCollection: 생물학을 위한 통합 사전학습 규모 LLM 코퍼스
FairSelect: 다단계 및 교차적 알고리즘 공정성에 대한 체계적 평가
확산 모델의 양자 회로: 공정 비교 연구 및 앵글 임베딩 실패의 메커니즘 분석
분포 변화 하의 시간적 지식 그래프 예측: 합성 평가
좁게 잊고, 넓게 유지하라: 비대칭 일반화 문제로서의 언러닝
SYNRARE: 머신러닝 벤치마킹을 위한 희귀 질환 전자 건강 기록 합성 생성
TSAI-MetaFraud: 메타버스 생태계의 금융 사기 거래 및 행동 위험 탐지를 위한 벤치마크 데이터셋
CoCoT-EEG: EEG 디코딩을 위한 대조 사전학습 기반 다중 스케일 합성곱 트랜스포머
임베딩을 넘어서: 바이너리 코드 유사성을 위한 해석 가능한 특징 추출
BREW를 통한 언어 에이전트 개선: 경험 기반 환경 지식의 부트스트래핑
SWE-Milestone: 지속적 소프트웨어 진화에서 AI 에이전트 평가
Coding-agents can replicate scientific machine learning papers
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.