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.
EconSkills: 실시간 경제 데이터를 다루는 웹 에이전트의 스킬 전이 및 검색 연구
IndustrialVLA-Bench: 오픈 로봇 정책 모델에 대한 추적 가능한 다축 평가
사후 처리 공정성 제약이 도움이 될 때와 해가 될 때: 8개 교차 도메인 평가로부터의 근거
ExplorationBench: 검증 가능한 외계 세계에서의 AI 시스템 탐험 능력 측정
SlideLab: 청중 중심의 과학 발표 슬라이드 생성 및 평가
CCRV-Bench: 비전-언어 모델의 인과적 추론에 대한 제약 기반 평가
미실행 동반 실행을 고려한 예산 제약 컨텍스트 프로젝션 평가
READ-Bench: 시계열 진단을 위한 과거 사례 검색 벤치마크
FA-Bench: 깨끗한 음성 및 노이즈 음성 환경에서 강제 정렬과 ASR의 음소 및 단어 단위 타임스탬프 정확도 벤치마크
기억된 세계를 넘어서: 진화하는 세계에서의 지속적 내비게이션을 위한 예측적 4D 신념
틀에서 벗어난 사고: 언어 모델은 외부 지침에 선택적으로 의존할 수 있는가?
공허한 약속: 에이전트가 이행할 수 없는 약속을 할 때
RealCompanion: 장기적 실제 대화 추론을 통한 인간 이해 벤치마킹
장기적 작업 수행 에이전트를 위한 검증 가능한 환경의 스케일링
프롬프트 옵티마이저는 제한된 예산을 어떻게 사용해야 하는가? 노이즈 적응형 평가를 적용한 BudgetAPO
BabelFake: 다국어 시청각 딥페이크 벤치마크
심사 로또: 동료 평가 노이즈에 대한 관측 기반 추정기 벤치마킹 (ICLR 2017-2025)
스티븐스의 멱법칙을 활용한 GPT-5.5의 시각적 인코딩 암묵적 판독 능력 검증
GaussianBench: 가우시안 장면 표현을 위한 물리 충실도 평가
지구과학 분야 AI 모델의 전략적 거버넌스
활성화 프로브에 필요한 합성 데이터의 양을 결정하는 것은 난이도가 아닌 커버리지다
인증된 오염 예산: 적응형 조작 하에서 상시 유효한 리더보드 주장
조사 실패로부터 신뢰할 수 있는 SOC 에이전트로: LLM 기반 경보 분류의 이해와 개선
코드 이해는 코딩 에이전트의 병목 현상이다
TestJack: 코딩 벤치마크 결과를 신뢰할 수 있는가? 평가자 진화를 통한 에이전트 기반 코딩 벤치마크 감사
WorldBench: Three.js 복셀 월드 생성에서의 대규모 언어 모델(LLM) 평가
SAVU-BENCH: 공간 시청각 이해를 위한 실제 환경 벤치마크
Agent4RE: 엔드투엔드 소프트웨어 요구공학 및 벤치마킹을 위한 자가 개선 다중 에이전트 프레임워크
BEANS-Next 및 ROOTS: 생체음향학을 위한 오디오-언어 기능의 확장
중고 전자기기의 다중 시계열 가격 예측을 위한 심층 학습 대 통계 모델: 체계적 벤치마크
테이블 데이터 기반 대화형 작업 모호성 해소: 정보 누출을 고려한 정식화, 벤치마크 스위트 및 학습
개입적 전이를 통한 루브릭 생성 평가
시간 내 완수: 기한을 준수하며 생산적인 시간 제한형 AI 에이전트를 향하여
음성 품질 지표는 얼마나 해킹에 취약한가? 수정된 프로토콜, 벤치마크, 그리고 패치 적용의 실효성
기계 번역 품질 어노테이션을 위한 대규모 언어 모델: 인간과 모델 모두가 겪는 어려움
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.