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.
VideoGen-Agent: 비디오 생성 에이전트 강화
아무것도 예측하지 않는 것이 SAM 3를 능가할 때: 비디오 객체 분할 평가의 재검토
ELMA: 장기 텍스트 기반 모션 생성을 위한 조응적 구성 벤치마킹
B-XAIC 데이터셋: 화학 데이터를 이용한 그래프 신경망용 설명 가능한 AI 벤치마킹
HomID: 비등방성 임베딩을 갖는 동차 다양체 기반 내재적 차원 추정기 벤치마킹
비전이 언어를 우선할 때: VLA의 반사실적 실패 평가 및 완화
코드 기호 시계열 적응이 장르 정체성을 어디까지 전달할 수 있는가: 다장르 코드 기호 모델링의 역량과 한계
지도 학습 기반 분리를 활용한 조직 그래프 반사실 질의
성격을 가진 환자: 제어된 다양성과 선택적 공개를 통한 현실적인 환자 시뮬레이션
언어 모델 에이전트 시스템을 위한 집합값 라우팅: WildChat 벤치마크와 비용 인지 평가
GaP: 변동적 자동화 태스크를 위한 그래프-as-정책 멀티 에이전트 자기학습 하네스
KV-PRM: 멀티 에이전트 테스트-타임 스케일링을 위한 KV-캐시 전달 기반 효율적인 프로세스 보상 모델링
영향력 있는 다원주의적 정렬 연구를 위한 로드맵
Undertone: 소수의 평점으로 고정된 VLM 미적 판정기를 개인화하기
RetryBench: GPT 도구 사용에서 재시도 권한과 복구 결과의 분리
SenseShift6D: 환경 및 센서 변화에 강인한 6D 자세 추정을 위한 멀티모달 RGB-D 벤치마킹
fev-bench: 시계열 예측을 위한 현실적인 벤치마크
타당성 없는 신뢰성: 일치, 일관성 및 바이어스에 걸친 LLM-as-a-Judge 모델의 체계적이고 대규모 평가
하나의 적응 모델로 모든 것을 할 수 있을까? 고객 지원 LLM을 위한 미세조정 전략 선택
항체–항원 결합 친화도 계산 모델에 대한 종합 벤치마크
VideoZeroBench: 시공간 증거 검증을 통한 비디오 MLLM의 한계 탐색
모든 증명이 동등하지 않다: 정확성 너머의 LLM 증명 품질 평가
구어 대화에서의 맥락 인식 멀티모달 주장 검증
DuoBench: 시뮬레이션과 실제 환경에서의 양팔 조작을 위한 재현 가능한 벤치마크
분류를 위한 데이터셋 증류 재고: 증류 세트가 코어셋보다 우수한가?
RTSGameBench: 게임 환경에서의 전략적 추론에 대한 VLM 평가
WildBox: 아프리카 사바나 야생동물의 항공 단안 3D 탐지를 위한 데이터셋 및 벤치마크
종단적 개인 건강 관리를 위한 자기 진화 에이전트
LLM 에이전트 행동 선택에서 출처 민감도 감사
음성 속 길을 잃다: 오디오 및 전사본에 걸친 3개 국어 음성 환각 탐지
압박 속의 행동 양식: 사용자가 압박할 때 60개 언어 모델이 보이는 반응
하나의 해답을 향한 세 가지 경로: 응용 연구자를 위한 AIPW, TMLE 및 이중 머신러닝의 일치화
전역 일관성: 모든 에이전트가 옳아도 팀 전체는 틀릴 때 - 멀티 에이전트 협업을 위한 국소-전역 의미론적 기반
StoreBench: 자율 운영자 에이전트의 평가 및 학습을 위한 라이브 커머스 환경
검토는 더 강력한 모델을 거의 능가하지 못한다: LLM 파이프라인에서 검증과 능력 전이의 분리
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.