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.
Long-Horizon-Terminal-Bench: 밀집 보상 기반 채점으로 장기 수평 터미널 태스크에서 에이전트의 한계를 검증하다
LLM 생성 코드의 패치워크 문제
ARCANA: ARC-AGI-2 추론을 위한 반성적 다중 에이전트 프로그램 합성 프레임워크
스킬 마켓의 내부: 소프트웨어 엔지니어링 활동에서 재사용 가능한 에이전트 스킬로
L-MAD: 법률 추론에서 멀티-에이전트 토론 구조의 체계적 평가
지정학적 정렬: 대규모 언어 모델에서의 지지 효과
LongMedBench: 장기 임상 의사결정을 위한 의료 에이전트 벤치마킹
검증을 위한 다양화: 태스크 동치 프로그램이 검증 가능성에서 차이를 보이는 경우
강화학습에서의 멀티모달 보상 해킹
과정으로서의 실패: CLI 코딩 에이전트 궤적 해부
Agora: 경매 기반 태스크 할당을 통한 LLM 에이전트 추론 향상
ConceptSMILE: 개념 기반 설명 가능한 AI의 신뢰성 감사
VEXAIoT: AI 에이전트를 이용한 자율 IoT 취약점 활용
시각적 장소 인식에서의 모션 블러와 디블러링에 관한 연구
열거와 계수를 통한 멀티모달 LLM의 장편 비디오 정량적 추론 진단
MOSAIC: 효율적인 이종 비전-언어 모델을 위한 적응형 층간 구성 탐색
OmniMapBench: 다양한 지도 문서에 대한 시각 중심 추론 벤치마킹
야생 환경에서 UAV를 위한 능동적 객체 검출: 대규모 데이터셋, 벤치마크 및 방법
시간적 편이를 넘어: 생성형 오디오-비주얼 모델을 위한 참조 없는 평가자로서의 Omni-LLM 적용
이벤트 스트림 기반 멀티모달 비디오 이상 탐지: 벤치마크 데이터셋과 알고리즘
세밀에서 거친 방향 지도를 통한 SigLIP-HD
보는 것은 공짜, 말하는 것은 그렇지 않다: 엣지 비전-언어 모델 추론의 진정한 에너지 병목 규명
10년간 비전-언어 AI 모델의 정확도 및 시각-인지 오류 변화 연구
언어 지능을 위한 확장 가능한 비주얼 사전학습
다목적 베이지안 최적화 알고리즘의 LLM 기반 진화적 생성
소수의 선호도 데이터 제거만으로 상위 대규모 언어 모델 순위가 바뀔 수 있다
매칭된 위양성 제어 하에서의 재귀적 붕괴 경고 주장 벤치마킹
전이중 음성 에이전트를 위한 LALM 오디오 평가자의 신뢰성 평가
실행에서 교육으로: 대규모 언어 모델의 교육적 제어 측정을 위한 Bloom 정렬 프레임워크
ICDAR 2026 HIPE-OCRepair: 역사 문서 LLM 기반 OCR 후처리 교정 경진대회
LEXIC: 주입된 복잡도를 통한 경량 아이트래킹 확장
평가자가 바뀌면 측정값도 바뀐다: LLM-as-Judge 신뢰성 감사
인용 검증자로 프론티어 모델이 필요한가? 딥 리서치 출처 귀속을 위한 루브릭 LLM 벤치마킹
UniClawBench: 실세계 태스크에서 능동적 에이전트를 위한 범용 벤치마크
인코더 선택의 중요성: 테이블형-이미지 연구
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.