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.
CogniRoute: 옴니모달 모델에서 사회적 증거 라우팅 학습
Robusto-2: 리마와 뉴욕시 자율주행을 위한 인간 및 VLM 벤치마킹
CheXpercept: 흉부 X-ray의 전문가 수준 병변 인지 평가 벤치마크
ConnectomeBench2: 자동화된 커넥톰 교정을 위한 통합 벤치마크
MammoExpert: 유방촬영 진단에서 사고의 연쇄(CoT) 추론 벤치마킹
MEDLAYXPLAIN: 의료 비전-언어 모델의 전문가-일반인 격차 벤치마킹
NoduLoCC2026: 흉부 X-ray 이미지 기반 폐 결절 위치 탐지 및 분류 경진대회
새로운 고밀도 교실 데이터셋을 갖춘 스마트 교실 행동 분석 프레임워크
제로샷 비전-언어 모델을 이용한 교실 참여도 인식: 프롬프트 민감도 및 교차 데이터셋 일반화 벤치마크 연구
CapRiCorn-1K: 다양한 시간 척도에 걸친 비디오 캡셔닝 및 주체 참조 일관성 종합 벤치마크
SAGE: 멀티모달 학습 및 환각 분석을 위한 전문가 주석 남아시아 GI 내시경 데이터셋
합성곱에서 트랜스포머까지: 뇌종양 및 망막 혈관 분할을 위한 U-Net 변형 모델 비교 연구
T-IMPACT: 문맥적 이미지-텍스트 조작을 위한 심각도 인식 벤치마크
CVSBench: 교차 시점 공간 추론 및 공간 상상을 위한 종합 벤치마크
SATURN: 다관점 그라운딩을 위한 심볼릭 공간 추론
보는 사고의 연쇄, 보지 못하는 답: Video-MME에서 강제 사고의 연쇄(Forced Chain-of-Thought)에 대한 다면 평가 방법
변위는 방향이 아니다: 양자화된 LLM 배포를 위한 충실도 메트릭 평가
IHBench: 구조화된 워크플로우를 갖춘 음성 에이전트의 중단 후 복구 평가
어려운 것인지, 단순히 도달하지 못한 것인지? 수학 추론 난이도 추정에서의 샘플링 사각지대 진단
언제, 어디서, 어떻게: 표준 자기지도 학습을 위한 Adaptive Binning
LLM이 생성한 GPU 커널에서의 정확성 착각
CRAX: 고속 안전 강화학습 벤치마킹
메모리 기반 에이전트 자가 진화를 위한 한계 이점 누적
변분 및 고전적 신경망을 통한 다중 큐트리트 시스템에서의 엔트로피 추정
코딩 에이전트를 위한 저장소 가이던스의 탐색-정제 튜닝
TransLaw: 홍콩 판례의 전문 번역을 시뮬레이션하는 대규모 데이터셋 및 멀티 에이전트 벤치마크
ShoppingBench: LLM 기반 에이전트를 위한 실제 의도 기반 쇼핑 벤치마크
바이오 제약 제조 분야의 자연어-to-SQL 질의를 위한 로컬 LLM 벤치마킹: 소비자급 하드웨어에서의 경험적 벤치마크
하드웨어 설계를 위한 레지스터 전송 수준(RTL) 코딩에서 대규모 언어 모델(LLM)은 어떻게 실패하고 일반화되는가?
대규모 수화 데이터셋: 자원, 벤치마크 및 주석 표준에 대한 포괄적인 조사
GUI 패러다임을 넘어서: 모바일 에이전트에게 폰 화면은 필요한가?
LaViSA: 언어 및 비전 구조적 모호성 벤치마크
NRITYAM: 언어 모델과 춤의 예술 및 유산
JAMER: 전문 게임 엔진 기반의 프로젝트 수준 코드 프레임워크 데이터셋 및 벤치마크
REDACT: 개인정보 탐지를 위한 체계적으로 제어된 다국어 벤치마크
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.