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.
RH-Detect: 보상 해킹 탐지를 위한 통합 벤치마크
인용이 오도할 때? 법률 환각 탐지를 위한 주장 수준의 벤치마크
AgentHorizon: 장기 컴퓨터 사용 작업을 위한 에이전틱 심사자 평가
CityDeploy-Bench: 다중 송신기 네트워크 배치를 위한 물리 기반 공간 집합 계획 벤치마킹
임상의의 언어 모델 활용 방식과 모델 평가 방식 간의 괴리
모방을 넘어서: LLM 지원 피어 리뷰를 위한 프레임워크와 벤치마크
실제 환경의 변화 분석을 위한 환경 변화 탐지
법률 AI의 확장: 법령 분류 및 판례 검색을 위한 Mamba와 트랜스포머 벤치마킹
RoboPilot: 이중 사고 모드를 통한 일반화 가능한 동적 로봇 조작
PrismSSL: 하나의 인터페이스, 다양한 모달리티; 멀티모달 자기지도학습을 위한 단일 인터페이스 라이브러리
노이즈가 있는 1차원 함수의 전역 최솟값 원샷 위치 추정: 세트 트랜스포머 및 고전적 추정량과 비교한 반복 신경망 최소화기
회의 효과성에 대한 재고: 시간적으로 세분화된 자동 회의 효과성 평가를 위한 벤치마크 및 프레임워크
EduGage: 자기주도형 비디오 학습 환경에서 센서 기반 순간 몰입도 평가를 위한 멀티모달 데이터셋 및 벤치마크
RamanBench: 라만 분광법 머신러닝을 위한 대규모 벤치마크
TAVIS: 모방 학습에서의 1인칭 시점 능동 비전 및 예측 시선 벤치마크
모델 제한에 가려진 시스템의 부재: 공격적 AI 거버넌스에서의 측정과 책임
협력적 시뮬레이터를 넘어서: LLM 에이전트의 강건한 평가를 위한 현실적 사용자 페르소나 생성
에이전틱 신경망 아키텍처 발견: AIRA-Compose 및 AIRA-Design
우선순위 랭킹을 통한 하네스 옵티마이저의 직접 평가를 향하여
CARE로 다루기: 대규모 언어 모델(LLM)은 온라인 커뮤니티의 반응 방식을 재현할 수 있는가?
대규모 언어 모델의 잠재 성능 프로파일링
LLM 기반 전력 계통 코드 생성을 위한 지식 경계 탐침 및 수요 유도 개입
합성 벤치마크는 포워드-포워드 스케일링을 과대평가한다: 층별 국소 학습의 실제 데이터 한계
LLM 네이티브 심리측정 도구로 밝혀낸 25개 모델의 자기보고와 행동 간 괴리
눈앞에 숨겨진 위협: DECOMPBENCH를 활용한 분해 공격 대비 에이전트 안전성 벤치마킹
BehaviorBench: 행동과학 과업을 위한 파운데이션 모델 벤치마킹
FABRIC 테스트베드에서의 AI 지원 연산 재현성
전력 가격 예측을 위한 시계열 파운데이션 모델 평가: 데이터 오염 위험, 분포 변화 및 공변량 의존성
에이전틱 트레이딩 시스템은 스스로의 지능 비용을 감당할 수 있는가?
트리비아가 결코 사소하지 않을 때: 다국어 LLM의 일상 지식 실패
SWE-NFI: 비기능적 개선을 위한 코딩 에이전트 연구 및 벤치마킹
기지 작업 오디오-LLM 평가를 위한 생성형 오디오 호출 감사
언어 모델에 음악 분야의 감독이 필요한가? 다중 제약 기호 음악 생성을 위한 검증 가능한 보상
SWE-Game: 코딩 에이전트는 우리가 원하는 게임을 만들 수 있는가?
CrisisFake: 재난 소셜 센싱을 위한 AI 생성 텍스트 탐지의 벤치마크 유효성 평가
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.