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.
SeoulMMOD: 대규모 멀티모달 출발지-목적지 흐름 벤치마크
OccludeBench: VLM은 누락된 대상을 찾아낼 수 있는가?
QTestBench: LLM 생성 양자 코드 평가를 위한 테스트 프레임워크
TabMF: 정형 데이터 파운데이션 모델을 활용한 데이터셋 표현 학습
같은 쿼리, 다른 답변: 시맨틱 쿼리 처리에서의 실행 간 변동성
MC-EvoBench: 마인크래프트 에이전트의 경험 기반 자기 개선 감사
위성 영상을 활용한 건물 피해 평가 과제 재고
RATED: 실행 역학을 통한 신뢰성 인식 AI 에이전트 도구 검색
눈송이를 넘어서: LiDAR 객체 검출에서 날씨 영향과 교란 메타 요인의 분리
VLM이 알고 있는 것을 파괴할 때: 공간 표상은 어휘 사전확률보다 낮아진다
물리적으로 근거한 관절형 3D 에셋을 향하여: 멀티 에이전트 파이프라인과 벤치마크
언어 모델은 위키피디아 게임을 플레이할 수 있는가?
DDL: 다양한 실제 환경 시나리오에서의 딥페이크 탐지 및 위치 특정을 위한 대규모 데이터셋
대규모 언어 모델(LLM)의 수학적 추론 강건성에 대한 조사: 고급 수학 문제의 수학적으로 동등한 변환을 이용한 벤치마킹
악용 가능한 비시각적 지름길을 드러내기 위해 벤치마크 설계자는 "테스트 세트로 학습"해야 한다
MobileWorldBench: 모바일 에이전트를 위한 의미론적 월드 모델링을 향하여
변전소 구성요소 매핑을 위한 객체 검출 모델 비교
번역을 통한 데이터 오염 은폐: 아랍어 코퍼스에서의 증거
MissMAC-Bench: 강건한 멀티모달 정서 컴퓨팅의 모달리티 결측 문제를 다루기 위한 견고한 벤치마크 구축
이미지 분류기로서의 멀티모달 대규모 언어 모델(MLLM)
$OneMillion-Bench: 언어 에이전트는 인간 전문가와 얼마나 차이 나는가?
ShapeY: 최근접 이웃 매칭을 통해 형상 인식 능력을 측정하는 원리적 프레임워크
고정 벤치마크와 최악의 경우 공격을 넘어서: 언어 모델을 위한 동적 경계 평가
회로 설계의 마지막 마일 연결하기: PPA 수렴 및 DRC 수정을 위한 계층적 벤치마크 PostEDA-Bench
APEX: 이미지 품질 평가를 위한 무가정 투영 기반 임베딩 검증 지표
MedMemoryBench: 개인화된 헬스케어 환경에서의 에이전트 메모리 벤치마킹
CiteVQA: 신뢰 가능한 문서 지능을 위한 근거 귀속 벤치마킹
정확도를 넘어서: EEG 파운데이션 모델의 견고성, 해석 가능성, 표현력
VISTA: 시각적 명세 기반 웹 앱 코딩 에이전트를 위한 엔드투엔드 벤치마크
EgoBench: 도구 사용 에이전트를 위한 상호작용형 1인칭 시점 멀티모달 벤치마크
맞는 계열, 틀린 스킬: 에이전트 스킬 검색에서의 위험 노출 평가
단어 하나 센서스: 44개 언어 모델 전반의 답변 선택 동조 현상
컴포넌트 테스트를 넘어서: 에이전틱 AI 시스템 검증
직접 접근을 넘어서: 대규모 언어 모델 에이전트의 자원 하이재킹
Multi2AV-Safety: 멀티모달-오디오-비디오 생성 모델의 안전성 벤치마킹
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.