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.
CzechDocs: 체코 내 소수 언어를 위한 형식이 지정된 문서의 다방향 병렬 데이터셋
전역 재계획을 넘어서: 장치 간 에이전트 시스템을 위한 계층적 복구
StylisticBias: 소수의 인간 시각적 단서가 MLLM 내 대부분의 사회적 바이어스를 주도함
주제 범위, 역량 및 인지적 깊이에 따른 커리큘럼 정렬 측정: CS2013과 CS2023에 적용한 종단적 프레임워크
디퓨전 언어 모델: 실험적 분석
음향 총성 분류를 위한 특징 추출 기법 매개변수 탐색
StaminaBench: 100회 이상의 상호작용 턴에 대한 코딩 에이전트 스트레스 테스트
정적 리더보드를 넘어: 대규모 언어 모델(LLM) 에이전트 평가를 위한 예측 타당도
에이전틱 리뷰 시스템 벤치마킹
ORAgentBench: LLM 에이전트는 도전적인 운영 연구 과업을 종단 간으로 해결할 수 있는가?
CombEval: 대규모 언어 모델의 조합적 계수 평가를 위한 프레임워크
대규모 언어 모델을 위한 블랙박스 불확실성 추정 방법에 대한 체계적 평가
FFinRED: 금융 LLM 레드팀 테스팅을 위한 전문가 주도 벤치마크 생성 및 평가 프레임워크
AI 에이전트의 생물학적 역량과 위험 측정
BIM-Edit: IFC 기반 건물 정보 모델링을 위한 대규모 언어 모델(LLM) 벤치마킹
대규모 언어 모델의 겉보기 심리적 프로필은 대부분 측정 인공물입니다
QMFOL: 정량화 가능한 단항 일계 논리 테스트 케이스 생성을 통한 대규모 언어 모델 추론 벤치마킹
ScholarQuest: 개방형 문헌 환경에서의 에이전트 기반 학술 논문 검색을 위한 분류 체계 기반 벤치마크
Multi-LCB: LiveCodeBench를 다중 프로그래밍 언어로 확장하기
도메인 일반화 가능한 얼굴 스푸핑 탐지를 위한 비전 파운데이션 모델 벤치마킹
CADBench: AI 지원 CAD 프로그램 생성을 위한 멀티모달 벤치마크
비전-언어 모델은 3D 장면을 이해하는가, 아니면 단순히 객체를 나열하는가?
뇌 MRI에 대한 양자-잠재 GAN 증강의 통제된 벤치마크
시맨틱 세그멘테이션 산업 응용에서의 어노테이션 과정 가속화
ROSE: 멀티모달 모델에서의 지각-행동 간극 벤치마킹
WeGenBench: 텍스트-투-이미지 모델 최적화를 위한 다차원 진단 벤치마크
HEad and neCK TumOR (HECKTOR) 2025: 다중 모드 PET/CT에서의 분할, 진단 및 예후 벤치마크
BAFIS: 현대 텍스트-투-이미지 모델의 직업적 바이어스와 인간 선호도를 평가하기 위한 데이터셋 및 프레임워크
PCFootprint: 항공 LiDAR 포인트 클라우드에서의 벡터화된 건물 푸트프린트 추출을 위한 대규모 데이터셋 및 벤치마크
학습 없는 AI 생성 이미지 탐지기는 얼마나 취약한가? 점수 방향, 전처리 및 압축에 대한 통제된 검증
SARLO-80: 전 세계 경사 SAR 언어 광학 80cm 데이터셋
FID 로또: 생성 모델 평가에서 숨겨진 무작위성의 정량화
CalTennis: 대규모 다중 시점 테니스 비디오 데이터셋 및 단안-3D 자세 추정 벤치마크
현재의 월드 모델은 지속적인 상태 코어가 결여되어 있다
RUB: 언러닝된 모델 내 잔여 지식 평가
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.