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.
에이전틱 RAG 분석: 로컬 7B 모델을 이용한 다중 홉 QA 구성 요소 소거 실험
Rubric-as-Experts: 번역 품질 평가를 위한 사례 특화 MQM 루브릭
ATLAS: 대규모 소프트웨어 생태계의 에이전트 기반 분류체계
CulMind: 중국 문화유산에서의 다중모달 이해 및 추론 벤치마킹
개인 수준 정신 건강 평가를 위한 문서 튜닝 트랜스포머 표현의 평가
PrivacyAlign: LLM 에이전트를 위한 맥락적 개인정보 정렬
에이전트 코드는 사람이 작성한 코드보다 유지보수성이 낮은가?
고정 RAG 압축은 측정된 리더 스케일링을 붕괴시킨다
더 깊을수록 항상 나은 것은 아니다: Confident Layer Decoding을 통한 정렬 비용(alignment tax) 완화
가치 벤치마크를 넘어: 대칭 Q-정렬을 통한 대규모 언어 모델의 가치-구조 정렬 측정
OpenBioRQ: 에이전트를 위한 미해결 생의학 연구 질문
LLM은 가독성을 제어할 수 있는가? CEFR 제어 아랍어 생성을 위한 다차원 평가 프레임워크
문자-음소 변환을 위한 대규모 언어 모델 벤치마킹: 일본어 사례 연구
NL2Scratch: 블록 기반 프로그래밍을 위한 실행 가능 벤치마크 및 평가
신호는 어디에 있는가? 의료 인코더 사전학습을 위한 웹 데이터 레시피
인식에서 이해로: LLM을 활용한 인지적 시계열 추론의 개방
하우사어 및 폰베어 기계 번역을 위한 대규모 언어 모델 평가: 벤치마크, 실패 사례 및 지표 신뢰성
음성에서 텍스트 말뭉치로: 저자원 폰베와 하우사를 위한 ASR 기반 데이터 수집 평가
BabelJudge: 언어 및 에이전트 궤적에 걸친 LLM-as-a-judge 신뢰성 측정
연구는 어떻게 진화하는가? 주장 기반 유형화 인용으로 NLP, ML, CV의 도메인 간 궤적 추적
ORBIT: 직교 부분공간 회전을 통한 학습 없는 다중 속성 행동 스티어링
가볍게 보고, 무겁게 생각하기: 멀티모달 사고의 연쇄(Chain-of-Thought) 추론이 할 수 있는 것과 할 수 없는 것
Text2DSL을 위한 문맥 인식 증류 및 아블레이션
10억 미만, 초프론티어: 소형 언어 모델이 일반·문학 관계 추출에서 제로샷 프론티어 LLM에 필적
DynamicMem: 실제 환경에서의 장기 메모리 벤치마크
StatABench: LLM의 통계 분석 역량 평가를 위한 데이터셋 및 프레임워크
기계 번역과 후편집: 전문 번역에서 다양한 MT 시스템과 후편집자 그룹의 비교 평가
같은 질문, 다른 역사: 대규모 언어 모델에서의 언어, 국가 정체성, 공로
내재적 자기 수정은 언제 도움이 되는가? 과제 감수적 분석
MuPPET: 다자간 대화에서 LLM 어시스턴트의 맥락적 프라이버시 벤치마크
동료 심사 생성을 위한 판단 근거 확장
분포 최적화 합성을 통한 LLM 지식 경계 확장
루트 메모리를 향하여: 개인화 LLM의 암묵적 논리 메모리 검색 벤치마킹 및 향상
CTC 오라클 갭의 해부: 음향 고갈과 언어적 회복
TriggerBench: 대규모 언어 모델의 전향 기억 조사
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.