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.
표 형식 기업 데이터와 공개 벤치마크 간의 차이 탐구
TraceLab: LLM 서빙을 위한 코딩 에이전트 워크로드 특성 분석
SWE-INTERACT: SWE 벤치마크를 사용자 주도 장기 코딩 세션으로 재구성하기
자동 튜닝에서의 제약 인식 최적화
진화적 수학: 소규모 고차원 데이터셋에서 해석 가능한 기호 회귀를 위한 교차 검증 기반 아일랜드 모델 유전 프로그래밍
자동화된 팩트체킹에서의 생성형 대규모 언어 모델: 서베이
XRAG: 핵심 분석 — 고급 검색-증강 생성의 기반 구성 요소 벤치마킹
CASE-Bench: 대규모 언어 모델을 위한 문맥 인식 안전성 벤치마크
중국어 화제 구문에 대한 대규모 언어 모델 평가: Tian et al. (2024)에서 영감을 받은 연구 제안
점진적 멀티턴 상호작용을 통한 LLM 에이전트의 메모리 평가
관례 형성을 통한 효율적 소통을 위한 사후 학습
미세조정이 편집 내용을 지울 수 있는가? 지식 편집과 적응의 불안정한 공존에 관하여
The Digital Afterlife of Empires: Four Language Models Converge on the Same Imperial Cartography of Writing
좋은 발표는 요약처럼 보이지 않는다, 가르쳐야 한다! 논문-to-비디오 발표에서 핵심 전달 내용 측정
SEATauBench: 도구-에이전트-사용자 평가를 저자원 동남아시아 언어에 적용하기
대규모 언어 모델을 활용한 개체 매칭 학습 데이터 레이블링
무해한 다국어 미세조정의 이질적인 안전성 영향
열려 있지만 호환되지 않는: 저자원 아프리카 언어 말뭉치의 라이선스 호환성 분석
평균 너머: 소규모 파일럿 데이터로 LLM 기반 설문 시뮬레이터를 정렬하기 위한 3축 충실도
대규모 언어 모델은 공정하게 채용할 수 있는가? 이력서 심사에서의 인종적 바이어스
BERTomelo: 포르투갈어 인코더의 최강 파트너
임상 근거의 강도는 언어 모델 표현에서 복원 가능하지만 명시된 등급에서는 그렇지 않다
OCR-VLM은 데바나가리를 읽을 수 있는가? 스트레스 테스트 벤치마크와 사후 교정 연구
교차 시대적 신할라어 OCR: 페이지 수준 적응 및 통시적 분석
의료 기록에서의 장황한 컨텍스트 문제
Preference-ASR: 음성 LLM 시대의 ASR 벤치마킹을 위한 선호도 인식 테스트셋
AURORA: 대규모 언어 모델의 강건한 환각 탐지를 위한 비대칭성 및 업데이트 유도 회전
LLM이 생성한 임상 코퍼스에서 실제로 새로운 내용은 얼마나 되는가? 출처 분류를 위한 콘텐츠 중복성의 프로덕션 규모 측정
구성 방식 및 언어에 따른 유해 ASCII 아트의 VLM 탐지에서의 해상도 임계값
MLLM은 인간처럼 비평할 수 있는가? 멀티모달 대규모 언어 모델의 개방형 미적 추론 평가
온프레미스 오픈 LLM은 Text-to-SQL에서 얼마나 멀리 갈 수 있는가? BIRD에서의 패밀리 간 크기 × 기법 프론티어
빠른 숫자, 느린 언어: 계량적·질적 실적 신호의 연결
SrDetection: 코드 대규모 언어 모델의 데이터 누출 탐지를 위한 자기참조 프레임워크
임상 추론 그래프: LLM 진단 추론의 구조적 평가를 통해 드러난 일관성 없는 역량
MemDelta: 에이전트 메모리 평가에서의 통제된 기준선과 숨겨진 교란 요인
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.