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.
심층 강화학습 평가 및 설계 패러다임의 원칙적 분석
Shift & Drift: 일반화 가능하고 강건한 자율주행 모션 플래닝을 위한 제로샷 벤치마크
지속적 학습은 언제 학습을 필요로 하는가
태스크 벡터를 활용한 기능적이고 안전한 코드 생성
비전, 언어, 비디오, 오디오를 아우르는 멀티모달 언러닝: 방법론, 데이터셋, 벤치마크 서베이
DeepSWE: 독창적이고 장기 목표 공학 과제에서 최첨단 코딩 에이전트 측정
극한 환경 이벤트에 대한 파운데이션 모델의 일반화 가능성 평가: 캘리포니아 산불 PM2.5 사례 연구
선형 어텐션 아키텍처: 메커니즘, 트레이드오프, 그리고 크로스-레이어 라우팅
누가 시스템을 망쳤는가? LLM 기반 멀티 에이전트 시스템에서의 장애 위치 파악
소형 비전-언어 모델 양자화 재고: 컴포넌트별 분석에서 하드웨어 인식 엣지 배포까지
무엇을 유지하고 무엇을 버릴 것인가: LLM과 에이전트의 메모리 압축에 대한 율-왜곡 관점
DeepPySR -- 실세계 과학적 발견을 위한 동적 가지치기, 파레토 선택, 계층적 합성을 갖춘 기호 회귀 프레임워크
이질적 아키텍처 전반에 걸친 학습률 스케줄링 전략의 체계적 평가
테스트 중단 시점 추측은 그만: 적정 데이터만으로 효율적인 모델 평가
학습 불필요 완화된 추측적 디코딩에 대한 실용적 탐구
매직 셋을 활용한 DatalogMTL의 목표 주도 추론
신뢰할 수 있는 자율주행 시스템 테스팅을 위한 시뮬레이터 앙상블
LLM을 위한 바이어스 유발 질문의 적응적 생성
RetailBench: 현실적인 소매 환경에서 LLM 에이전트의 장기 자율 의사결정 및 전략 안정성 평가
TNODEV: 신경 ODE 검증을 위한 툴박스
InvestPhilBench: 전문 투자 철학에서의 대규모 언어 모델 절차적 추론 평가를 위한 다층 벤치마크
Narration-of-Thought: 대규모 언어 모델의 반박 가능한 윤리 추론을 위한 추론 시 스캐폴딩
Distributed Attacks in Persistent-State AI Control
PolyWorkBench: 다국어 장기 수평 LLM 에이전트 벤치마킹
임상 요구와 AI 역량의 정렬: 의료 추론을 위한 대규모 언어 모델 서베이
나이지리아 기계류: 도메인 기반 추론 층을 갖춘 저자원 산업 데이터셋
CausalDS: 데이터 사이언스 에이전트의 인과 추론 벤치마킹
ZendoWorld 플레이: 능동적 시각 개념 귀납에서 AI 에이전트에 도전하기
MentalHospital: 정신과 임상 면담 평가를 위한 가상 환경
PredicateLongBench를 통한 장문 컨텍스트 태스크의 난이도 축 이해
AI 평가에서 누락된 차원으로서의 심리적 역량
Blind-Spots-Bench: 멀티모달 모델의 맹점 평가
동등성의 환상: 대규모 언어 모델에서 양자화 효과의 통계적 특성 분석
AUTOPILOT VQA: 사고 중심 블랙박스 영상 이해를 위한 비전-언어 모델 벤치마크
아이디어는 유전체를 가진다: 과학적 계보 추론 및 계보 기반 아이디어 생성 벤치마킹
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.