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.
체계적 다중 에이전트 비전-언어 내비게이션: 공식화, 벤치마크 및 방법론
음성 에이전트는 언제 행동하기에 충분한 증거를 갖추는가? PACT-SLM 계약 테스트
자기 진화형 기술은 미학습 태스크에도 일반화되는가?
STARS: 인간-로봇 상호작용에서 시공간 동역학부터 사회적 표현까지
LLM을 에이전트로 활용하기: 비용은 얼마인가?
PuzzleJAX: 추론 및 학습을 위한 벤치마크
HARL-A: IsaacLab 기반 이종 다중 에이전트 적대적 강화학습을 위한 확장 가능한 벤치마크 프레임워크
Universe of Thoughts: 대규모 언어 모델의 창의적 추론을 위한 계산 프레임워크
TabiBERT: 터키어를 위한 대규모 ModernBERT 기반 모델 및 통합 벤치마크
AVMeme Exam: LLM의 맥락 및 문화적 지식과 사고력을 측정하는 멀티모달·다국어·다문화 벤치마크
통합 멀티모달 모델 내 이해와 생성 간의 격차 정량화
ReLoop: 신뢰할 수 있는 LLM 기반 최적화를 위한 구조화된 모델링 및 행동 검증
Cultural Counterfactuals: 반사실적 예제를 활용한 대규모 비전-언어 모델의 문화적 편향 평가
협력 프로파일을 통한 과학을 위한 AI 워크플로 내 다중 에이전트 LLM 팀 성능 예측
PlotPick: AI 기반 과학 논문 그림 내 수치 데이터 배치 추출
MedHorizon: 야생 환경에서의 장기 문맥 의료 비디오 이해를 향하여
Ego2World: 1인칭 시점 요리 영상을 신념 상태 계획을 위한 실행 가능한 세계로 컴파일하기
PBT-Bench: 속성 기반 테스팅 환경에서 AI 에이전트 벤치마킹
호출할 것인가 말 것인가: LLM 에이전트의 내재적 과도 호출 바이어스 진단
FindIt: 범용 멀티모달 LLM을 위한 포맷 인식 기반 시각 검출 벤치마크
SubtleMemory: 장기 실행 AI 에이전트의 세밀한 관계형 기억 식별을 위한 벤치마크
DB-3DME: 인간 정렬 기반 자동 3D 메시 평가를 위한 데이터셋에서 벤치마크까지
OSGuard: 컴퓨터 사용 에이전트의 안전성 평가를 위한 벤치마크
움직임 기반 AI 생성 비디오 탐지에서의 데이터셋 바이어스 및 지름길 학습
독일어 자유 서술형 임상 질문에 대한 대규모 언어 모델 평가자 평가: 일치도, 평가자 바이어스, 기권에 대한 의사 주석 벤치마크 연구
3D-DefectBench: 세밀한 3D 생성 결함에 대한 비전-언어 모델 평가 파이프라인의 통제 요인 연구
대규모 언어 모델의 개인화 역량 벤치마킹
사이버-물리 시스템에서 대규모 언어 모델(LLM) 에이전트를 위한 계획 수립 전략의 전략적 평가
AI 기상 모델은 극값을 놓치는가?
시공간 예측 벤치마크 데이터셋 및 모델에 대한 비판적 감사
VoxReason: 음성 합성 전 출처 기반 음성 전달 계획 검증
CPU 기반 피부경 검사 영상 분할에서의 초기화 및 중단 허용 오차
판사로서의 JEV: 확신할 때 수용하고 불확실할 때 상위 모델로 에스컬레이션하기
텍스트 점수는 어휘적으로 진단 불가능한 음성 태스크의 성능을 입증하지 못한다: Qwen2-Audio 양자화 사례 연구
개인 입장 예측에서 테스트 시점 스케일링과 학습의 한계는 어디에 있는가?
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.