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.
CDR-Bench: Evaluating Faithful Execution of Compositional, Order-Sensitive Data Refinement Recipes
CSTrader: A Testbed for Language-Grounded Trading in a Community-Driven Virtual Asset Market
Robustness of Robotic Manipulation: Foundations and Frontiers
Modality-Driven Search with Holistic Trace Judging for ARC-AGI-2
FARS: A Fully Automated Research System Deployed at Scale
Arena-T2I Hard: Benchmarking and Improving Faithfulness with Dependency-Aware Checklist
A Self-Evolving Agentic System for Automated Generation and Execution of Biological Protocols
AxDafny: Agentic Verified Code Generation in Dafny
One Shot vs. Iterative: Rethinking Pruning Strategies for Model Compression
Accelerometry-Derived Digital Biomarkers for Cardiometabolic Risk: A Population-Representative Tabular Benchmark with Uncertainty Quantification
ElemeNet: Multiscale Molecular Machine Learning with Uncertainty Quantification Across the Periodic Table
ERICA: 클러스터 분석의 재현성 정량화
TextClusterLab: 신뢰할 수 있는 텍스트 클러스터링 연구를 위한 통합 프레임워크
AI는 과학을 그릴 수 있는가? 텍스트-이미지 및 멀티모달 모델의 과학적 그림 생성 평가를 위한 벤치마크
포지션: 강화학습 연구자들은 시뮬레이터 풀기와 시뮬레이터를 프록시로 사용하는 것을 구분해야 한다
더 많은 샘플링이 오히려 해로울 때: 테스트-타임 스케일링의 최빈값 한계와 상관관계 한계
전염 텐서: 다중 에이전트 LLM 시스템에서 출력 분포 결합 측정 프레임워크 — 및 이를 통해 가능한 주장 감사
첨예도와 복잡도가 일반화를 얼마나 함께 설명할 수 있는가?
통계적으로 구별 불가능하고 운영적으로 상이함: 테이블형 파운데이션 모델에 대한 공식적 장벽
오픈 가중치 언어 모델에서 평가 인식의 표현적 깊이는 규모에 따라 변화한다
표 형식 기반 모델의 데이터 사전 분포 평가를 향하여
KrishokChat: 벵골어 농업 자문을 위한 인용 기반 데이터셋 및 벤치마크
고위험 AI를 위한 결정론적 의사결정: RAG의 배포 용이성과 머신러닝의 정확도를 갖춘 제로 이그레스 파이프라인
STEMGym: 자율 전자 현미경에서 선량 예산 하의 순차적 의사결정 벤치마킹
전문가 혼합에서 역할 특화가 설명 충실성에 중요한가?
대규모 언어 모델 퍼징을 통한 숨겨진 행동 유도
CAREBench: 언어 모델을 위한 아동 안전 위험 벤치마크
자기적응 LLM 에이전트에서 평가자 기반 선호도 역학에 대한 진단 프레임워크 및 다중 평가자 감사
방정식 기반 합성 이상 탐지를 통한 해양 이상 탐지의 재정의
MemLeak: 멀티모달 에이전트 메모리의 정보 누출 진단
RoAd-RL: 강건한 적대적 강화학습을 위한 통합 라이브러리 및 벤치마크
NeuReasoner: 추론 유도 경계의 이론 기반 매핑
Atompack: 읽기 집중형 원자론적 ML 학습 데이터셋을 위한 저장 및 배포 층
실패 분류에서 개입까지: 동영상 및 라이브 스트리밍 플랫폼 모더레이션을 위한 산업 규모 AVLM 진단 방법론
신약 발견을 넘어서: 나노기술 분자 최적화(NMO) 벤치마크
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.