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.
MedCalc-Pro: LLM 에이전트를 활용한 복잡한 의료 계산 문제 해결
VERITAS: 과학 연구를 위한 범용 복제 도구를 향하여
외교 정책 AI 평가 격차
Incognita를 이용한 사회적으로 분산된 태스크 환경에 그라운딩된 행동을 통한 생성형 에이전트 평가
Flow-A11y: 흐름 인식 접근성 테스팅
알고리즘 명세 형식이 언어 모델의 머신러닝 알고리즘 구현에 미치는 영향: 어떤 형식이 도움이 되는가?
APeB: 대규모 언어 모델 에이전트의 개인화 능력 벤치마킹
AnchorVLA: 이산적 결정과 연속적 궤적을 잇는 비전-언어-행동 계획
임바디드 오퍼레이터와 벤치마킹: 재사용 가능하고 배포 가능한 임바디드 인텔리전스 시스템을 향하여
집계 정렬이 오도할 때: 상태별 전문가 행동 없이 정책 수리 감사하기
인공지능에서 엄밀성의 역할
오픈소스 신약 발굴 엔진을 활용한 폴딩, 추론, 스케일링
결정론적 정답을 활용한 장문 생성에서의 LLM 불확실성 평가
방글라데시 아동의 학대 관련 트라우마 스크리닝을 위한 설명 가능한 AI: 노이즈 인식 합성 데이터로 평가된 학습 없는 멀티모달 프레임워크
PLACEMEM: 평생 에이전트를 위한 컴퓨트 인식 메모리 플레인을 향하여
HAS-Bench: 설정 가능한 인간 참여 수준에서 LLM 기반 인간-에이전트 시스템 평가
GUI 에이전트는 자신의 눈을 믿는가? 픽셀 대 구조에 대한 상태-믿음 의존성 진단
ResearchStudio-Idea: ML 학회 논문 결과 기반의 근거 중심 연구 아이디어 발굴 스킬 스위트
다단계 LLM 에이전트에서 하네스 유발 신념 분기 측정
TacReasoner: 실세계 시나리오에서 상호작용적 추론을 위한 동적 촉각-언어 프레임워크
AgentGym2: 비이상화된 실세계 환경에서의 대규모 언어 모델 에이전트 벤치마킹
CP-WSP: 설정 가능한 다중 제약 인력 스케줄링을 위한 선언형 CP-SAT 프레임워크
ClassicLogic: 조합적 일반화 평가를 위한 고전 퍼즐 게임의 지식 기반 벤치마크
EvoAgentBench: 능력 전이를 통한 에이전트 자기 진화 벤치마킹
MetaSkill-Evolve: Recursive Self-Improvement of LLM Agents via Two-Timescale Meta-Skill Evolution
의료 비전-언어 모델의 모델 편집 평가 및 이해
OptiAgent: 멀티 에이전트 반복 정제를 통한 엔드-투-엔드 최적화 모델링
Large language models reshape the language of science
Phonikud: 히브리어 텍스트 음성 변환을 위한 음운적 미지정 극복
Less Data, More Security: Advancing Cybersecurity LLMs Specialization via Resource-Efficient Domain-Adaptive Continuous Pre-training with Minimal Tokens
Psychological Steering in LLMs: An Evaluation of Effectiveness and Trustworthiness
StatEval: A Comprehensive Benchmark for Large Language Models in Statistics
CreativityPrism: A Cross-Domain Evaluation Framework for Large Language Model Creativity
YuFeng-XGuard: A Reasoning-Centric, Interpretable, and Flexible Guardrail Model for Large Language Models
BRIDGE: Predicting Human Task Completion Time From Model Performance
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.