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.
RevengeBench: 행동 실험을 통한 코드 공간 정책의 역공학
A Systematic Analysis of Hybrid Linear Attention
IndicContextEval: 8개 인도어계 언어에 걸친 오디오 대규모 언어 모델의 컨텍스트 활용 평가 벤치마크
Overview of HIPE-2026: Person-Place Relation Extraction from Multilingual Historical Texts
Same Evidence, Different Answer: Auditing Order Sensitivity in Multimodal Large Language Models
Real-Time Voice AI Hears but Does Not Listen
Privacy-Aware Visual Language Models
GeoRanker: Distance-Aware Ranking for Worldwide Image Geolocalization
Position: Reasoning After Perception Means Reasoning Without Vision
ScalingAR: Scaling Confidence for Autoregressive Image Generation
Benchmarking Deep Learning Models for Laryngeal Cancer Staging Using the LaryngealCT Dataset
AMVICC: A Novel Benchmark for Cross-Modal Failure Mode Profiling for VLMs and IGMs
GroundSet: A Cadastral-Grounded Dataset for Spatial Understanding with Vector Data
HUGE-Bench: A Benchmark for High-Level UAV Vision-Language-Action Tasks
Colon-Bench: An Agentic Workflow for Scalable Dense Lesion Annotation in Full-Procedure Colonoscopy Videos
MSAVBench: 멀티샷 오디오-비디오 생성의 종합적이고 신뢰할 수 있는 평가를 향하여
오픈 얼굴 이미지 품질 측정값을 활용한 신분증 이미지 품질 평가
현미경 식물 이미지 이해를 위한 비전-언어 모델 벤치마킹
Sol Video Inference Engine: 효율적인 비디오 생성을 위한 에이전트 네이티브 풀스택 가속 프레임워크
신뢰할 수 있는 백혈병 검출을 위한 누출 인식 비교 벤치마크: 머신러닝, 심층 학습 및 트랜스포머 모델
우리는 목표에 도달했는가? 보조 AI 응용에서 다중모달 대규모 언어 모델의 역량 탐구
OrthoTrack: 공개 정사항공사진에 기반한 연속적 6-DoF 무인항공기 궤적 추정
다국어 혈액학 시각적 질의응답 데이터셋
SycoEval-EM: Sycophancy Evaluation of Large Language Models in Simulated Clinical Encounters for Emergency Care
Exploring Information Seeking Agent Consolidation
FlexMS: A Unified Public Benchmark for Molecule Tandem Mass Spectrum Prediction
Judging the Judges: A Systematic Evaluation of Bias Mitigation Strategies in LLM-as-a-Judge Pipelines
Plausible but Wrong: A case study on Agentic Failures in Astrophysical Workflows
RWGBench: Evaluating Scholarly Positioning in Related Work Generation
Failure Modes of Large Language Models on Research-Level Mathematics: A Taxonomy and an Empirical Characterisation
Project Auto-World: Towards Automated Benchmarking of Neural Relational Reasoners
Do vision-language models search like humans? Reasoning tokens as a reaction-time analog in classic visual-search paradigms
BCoughBench: Benchmarking Respiratory Acoustic Foundation Models Under Body-Coupled Wearable Sensor Conditions
SoK: AI Secure Code Generation: Progress, Pitfalls, and Paths Forward
Omni-Perception Policy Optimization for Multimodal Emotion Reasoning
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.