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.
대규모 언어 모델의 스펙트럴 시그니처
코드 수정을 위한 앵커드 셀프-플레이
ProACT: 다중 사용자 협업에서 중단 인식 기반 능동적 에이전트를 향하여
RAG에서의 다형적 시빌 포이즈닝에 대한 실패 모드 벤치마크
정적 규칙을 넘어서: Text-to-SQL의 잠재적 취약점 자동 발견
자연어 도구를 AI 에이전트에 제공하는 방법의 놀라운 효과성: 14개 모델에 걸쳐 NLT 성능을 검증하는 복제 연구
BanglaMemeEvidence: 벵골어 밈의 설명적 근거 탐지를 위한 멀티모달 벤치마크 데이터셋
LongEval-RAG를 위한 후보 제한 검색-증강 생성: 시스템 설계 및 실증 분석
Telescope: 토큰 반복 확률 측정을 통한 LLM 생성 콘텐츠의 제로샷 탐지 개선
중간 형식 명세를 활용한 코드 LLM 추론 학습
오픈 웹 검색-증강 대규모 언어 모델을 위한 리스크 제약 신선도 인식 시맨틱 캐싱
CausalGame: 게임 환경에서 LLM 에이전트의 인과적 사고 벤치마킹
evalci: 언어 모델 평가의 통계적으로 엄밀한 비교를 위한 파이썬 라이브러리
Lean 검증 대수 구조에서 대규모 언어 모델의 메커니즘 수준 라우팅 실패
MTEB-PT: 브라질 포르투갈어 텍스트 임베딩 벤치마크
FormalRx: 자동형식화의 의미론적 오류 수정 및 검사
ToolFailBench: LLM 에이전트의 도구 사용 실패 진단
반유대주의 사건 분류를 위한 대규모 언어 모델 평가
제품이 아닌 홍보를 평가한다: LLM에 대한 사용자 평가는 성능보다 기대치를 반영한다
EdgeBench: 실세계 환경 학습의 스케일링 법칙 규명
SalAngaBhava: 양상 기반 감성 분석을 위한 신할라어 시장 데이터셋
SPEARBench: 스트리밍 음성-음성 언어 모델의 자연스러움 평가를 위한 벤치마크
DELTAVID: 크로스 비디오 차이를 활용한 세밀한 시공간 지각 향상
당뇨병성 족부 궤양 분할 모델은 일반화되는가? CNN과 트랜스포머 아키텍처의 교차 데이터셋 벤치마크
레이블은 얼마나 필요한가? 서식지 간 해양 생물 종 인식을 위한 의사결정 프레임워크
기준 조건부 문맥 내 학습: 비전-언어 모델의 기준 변화 적응 평가
생성 이미지 모델의 지식재산권 보호 장치 평가: 기술 보고서
자율 계산 병리학을 위한 에이전틱 하네스 시스템 평가
DynaWM: 움직이는 물체 조작을 위한 기반 VLA 유도 세계 파운데이션 모델
K9-Bench: 개 중심 영상에서 멀티모달 LLM 평가
UML 다이어그램 해석에서 비전-언어 모델의 사전 바이어스
SPLIT: 공간 패치 수준 비일관성과 시간적 거칠기를 통한 학습 불필요 AI 생성 및 부분 편집 영상 탐지
Holo-Captioning: 3D 장면의 텍스트 등가물을 향하여
R3D: 자아중심 웨어러블을 위한 정량적 3D 공간 추론
VideoSearcher: 강화학습 기반 멀티툴 에이전틱 추론으로 비디오 딥 리서치 강화
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.