Papers with Code 아카이브
Question Answering
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 19
- 평가표
- 153
- 보존된 평가 기록
- 1,781
Question answering can be segmented into domain-specific tasks like community question answering and knowledge-base question answering. Popular benchmark datasets for evaluation question answering systems include SQuAD, HotPotQA, bAbI, TriviaQA, WikiQA, and many others. Models for question answering are typically evaluated on metrics like EM and F1. Some recent top performing models are T5 and XLNet.
( Image credit: SQuAD )
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
LongEval에서 DS@GT ARC: 과학 QA의 인용 무결성과 사실적 그라운딩
대규모 언어 모델의 논리적 일관성을 위한 통제된 재표현 테스트
CityLLM: 의미론적 3D 도시 모델에 대한 자연어 질의 프레임워크
하이브리드 표와 텍스트에 대한 금융 추론을 위한 골드 안내 프로그램적 증류
EXACT 2026의 CoTu: 투명한 교육용 QA를 위한 신경-기호적 추론
Ge'ez 기반 아프리카 언어 어휘 확장: Amharic과 Tigrinya 비교 연구
리더보드를 넘어: 신뢰할 수 있는 멀티모달 VQA를 위한 설계 교훈
Bridge Evidence: 다단계 에이전트형 검색에서 정적 검색 유용성은 인과적 유용성을 예측하지 않는다
동적 레드팀 테스팅으로 건강·의학 분야 대규모 언어 모델의 벤치마킹 격차 해소
세그먼트 선택을 통한 적응형 시계열 추론
InfoFlow KV: Information-Flow-Aware KV Recomputation for Long Context
DialogueVPR: 대화형 시각적 장소 인식(VPR)을 향하여
에이전트 개명주기에서 Git이 메모리 솔루션인 이유
SAGA: 에이전트 기반 텍스트-투-SPARQL 생성을 위한 스키마 인식 그라운딩
SmartRAG: 모바일 기기용 네이티브 그래프 기반 RAG
생각을 멈추고, 보기를 시작하라: 추론 없는 정렬을 통한 멀티모달 문서 질의응답의 효율적 사후 학습
SearchOS-V1: 견고한 개방 도메인 정보 탐색 에이전트 협업을 향하여
BioASQ A+ 및 B 단계를 위한 비용-실용적 품질 게이팅과 선택-융합 다중 모델 결합기
DeltaMerge-LowRes: 저자원 적응을 위한 언어 및 작업 델타 조합
NeMo: 영상-언어 이해를 위한 Needle in a Montage
EFlow: 적응적 반영을 통한 장편 비디오 추론을 위한 증거 흐름 학습
GDP.pdf: 전문 PDF 문서에 대한 그라운딩 멀티모달 추론 벤치마킹
공간 속 자아: UAV 체화 지능에서 자기 인식과 공간 인지 벤치마킹
VGIF-Score: 영상 생성에서 시공간적 지시 따르기에 대한 해석 가능하고 진단적인 평가
MASPRM: 다중 에이전트 시스템 과정 보상 모델
에이전트가 스스로와 불일치할 때: LLM 에이전트를 위한 불확실성 신호로서의 행동적 일관성
공중보건 정보 접근을 위한 안전성 제약 LLM 시스템 설계
개입적 그라운딩 감사: 술어 대체를 통한 LLM 사고의 연쇄(CoT) 블랙박스 전제 의존성 테스트
학습 참여 보조 도구(LEA): 에이전트형 AI 튜터링 시스템의 교차 과목 확장성 및 교실 평가
LAPO: 다중 턴 검색 추론에서 자기 생성 과정 보상을 위한 한 턴 제외 귀속
AI 조언은 조언이 틀리고 정확성에 대한 인센티브가 있을 때조차 사람들이 "모른다"고 말하려는 의지를 억압한다
Earthquaker-AI: 초등학교 지진 교육을 위한 루브릭 기반 평가 결합 검색-증강 생성(RAG) 프레임워크
미로 속에서 길을 잃다: 장기 궤적 에이전트 검색의 컨텍스트 한계 극복
검색을 예측하라! 검색-증강 생성을 위한 테스트 시간 적응
언어 모델은 가중치에 사실을 지속적으로 학습할 수 있는가?
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.