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.
DMind Benchmark: Web3 도메인 전반의 LLM 역량 종합 평가
심층 강화학습에서 SO(3) 동작 표현 입문
선택적 멀티모달 대규모 언어 모델 언러닝을 위한 양성 메모리 망각
SciFig: 과학 논문의 편집 가능한 그림 생성 자동화를 향하여
Health-ORSC-Bench: 의료 맥락에서 과도한 거부와 안전 완성을 측정하는 벤치마크
공동 보상 모델링: 효율적인 비전 보상 모델을 위한 사고의 연쇄(Chain-of-Thought) 내재화
구조화된 검색을 통한 긴 오디오 이벤트 그라운딩 질의응답
CausalFlip: 의미적 매칭을 넘어선 LLM 인과 판단 벤치마크
Edit-R2: 다중 턴 이미지 편집을 위한 문맥 인식 강화학습
빠르게 사고하기: 최첨단 AI 모델의 No-CoT 과제 완료 시간 지평 추정
인공지능 지수 보고서 2026
개방적이고 재현 가능한 AI 연구로의 전환
Agent-as-a-Router: 코딩 작업을 위한 에이전틱 모델 라우팅
AI Snitches Get Glitches: Towards Evading Agentic Surveillance
저채널 EEG 에이전트를 위한 경계 인식 컨텍스트 그라운딩
에이전트 기반 출판 프로토콜: 과학 출판 현대화를 위한 시도
SidConArena: 개방형 정합(positive-sum) 협상 게임에서 에이전트를 평가하는 환경
코딩 LLM의 암묵적 소프트웨어 월드 모델 평가를 향하여
GRAFT: Arabidopsis thaliana에서 연계된 유전자 발현 및 표현형 형질 예측을 위한 생물학적 그래프 및 하이퍼그래프 벤치마크
Speculative Refinement: 하이브리드 자기회귀-확산 디코딩 전략과 벤치마크 전반에 걸친 특성
Drop-Then-Recovery: Vision-Language-Action 모델은 얼마나 중복적인가?
NormAct: 체화 계획에서 숨겨진 사회적 규범 준수를 평가하는 벤치마크
ToolPrivacyBench: 도구 사용 LLM 에이전트의 목적 제한형 프라이버시 벤치마킹
고차 푸리에 신경 연산자: 비선형 PDE를 위한 명시적 모드 혼합기
에이전트가 아니라 저장소를 거버넌스하라: AI-네이티브 소프트웨어의 생태계 수준 리스크 측정
저장소 수준 코드 진화로서의 에이전트 기반 하드웨어 설계
데이터 기반 듀레이션 관리 — 머신러닝을 활용한 만기 구조 예측
가능성이 높은 답은 언제 맞을까? LLM에서의 시퀀스 확률과 정확성
커널 거리를 통한 생성 모델의 일관된 분산 순위 평가
신경망에서의 과매개변수화와 적대적 견고성: 개요 및 실증 분석
일반 반응 조건을 위한 베이지안 최적화
부분 가관측성 하에서 견고한 침투 테스트 정책 학습: 체계적 평가
플라톤적 표현 가설 재검토: 아리스토텔레스적 관점
선형 RNN을 이용한 코드 기반 상태 추적 학습
SEMixer: 멀티스케일 혼합 및 장기 시계열 예측을 위한 의미론적으로 강화된 MLP-Mixer
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.