Papers with Code 아카이브
Instruction Following
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 1
- 평가표
- 1
- 보존된 평가 기록
- 4
Instruction following is the basic task of the model. This task is dedicated to evaluating the ability of the large model to follow human instructions. It is hoped that the model can generate controllable and safe answers.
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
ReBind: 명시적 참조 관계를 갖춘 구조화된 지시를 통한 다중 참조 비디오 편집
IWSLT 2026 인스트럭션 팔로잉 태스크를 위한 NAVER LABS 시스템 재구현
DevicesWorld: 이종 환경에서 크로스 디바이스 에이전트 벤치마킹
올바른 모델을 병합하고 있는가? LLM 모델 병합에 있어 전문가 학습 기간의 영향
HRIBench: 상호작용 중심 인간-로봇 협업 벤치마킹
오디오 인지 대규모 언어 모델의 세밀한 피드백을 통한 텍스트-투-오디오 인스트럭션 준수 개선
묘사를 넘어서: 체화 에이전트의 세밀한 동작에 대한 인지적 벤치마킹
Boogu-Image-0.1: 오픈소스 통합 멀티모달 이해 및 생성 성능 향상
VGIF-Score: 영상 생성에서 시공간적 지시 따르기에 대한 해석 가능하고 진단적인 평가
탐험적, 소통형, 그리고 배포 가능한: 오픈 월드 모바일 매니퓰레이션을 위한 비전 주도 체화 에이전트
의료 멀티모달 대규모 언어 모델의 3D 공간 추론 향상
UESF-Bench: 통합 체화 탐색 및 추종을 위한 벤치마킹과 프로빙
언어에서 내비게이션 목표로: RGB-D 인식을 이용한 이동 로봇 의미 내비게이션을 위한 비전-언어 접근법
ISE: 멀티턴 OS 에이전트 궤적을 위한 실행 기반 레시피
Traj-VLN: 자기회귀적 궤적 생성을 통한 픽셀 공간 상호작용 학습
ReflectVLN: 반성적 추론을 통한 비전-언어 내비게이션 에이전트 학습
UniMedSeg: 다중 패러다임 2D/3D 의료 이미지 분할을 위한 통합 문맥 내 학습
SheetMind: 스프레드시트 자동화를 위한 엔드투엔드 LLM 기반 멀티 에이전트 프레임워크
CrochetBench: 비전-언어 모델은 코바늘뜨기 도메인에서 묘사에서 실행으로 나아갈 수 있는가?
DRIFTLENS: Measuring Memory-Induced Reasoning Drift in Personalized Language Models
AgentLens: 코딩 에이전트 평가를 위한 프로덕션 평가 기반 궤적 리뷰
AI 웹 에이전트를 위한 에이전트 대응 웹사이트 설계: 기계 가독성, 실행 가능성, 의사결정 신뢰성 프레임워크
PM-Bench: LLM 에이전트의 전향적 기억(Prospective Memory) 평가
AI 에이전트는 작업이 단순한지 아는가? 복잡도 인식 추론과 실행을 향하여
유용성이 해를 끼친다: 사후 학습에서 중간 학습된 공감 가치의 도메인 의존적 저하
노이즈가 있는 선호도 레이블 하에서의 메타데이터 없는 메타 재가중 직접 선호 최적화
리만 활성화 조종을 위한 조건부 최적 브릿지
Faithful, Not Corrective: Message-Format Effects in Multi-Hop Agent Relays Are Tier-Dependent
자기 발견적 명세를 활용한 에이전틱 문맥 학습
TS-Mask VLA: 효과적인 브리징을 갖춘 비전-언어-행동 모델을 위한 2D 시간-공간 마스킹
ANCHOR: 실제 위해 사례 기반 CLI 에이전트 자동 정렬 감사 프레임워크
Agentic-DPO: 전문가 궤적에서의 모방에서 에이전틱 정책 최적화로
순응 함정: AI 에이전트가 충돌하는 메모리를 소비하는 방식 진단
해로운 행동 필터링만으로는 충분하지 않다: 에이전틱 SDF에서의 팬텀 전이
SCALECUA: 검증 가능한 태스크 합성과 효율적인 온라인 강화학습을 통한 컴퓨터 사용 에이전트 스케일링
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.