출처2026년 6월 1일2026-06-013분Verified
SCALE, 웹 에이전트의 자가탐색
SCALE은 웹 에이전트가 전문가 시연 의존을 줄이고 자기탐색·자기평가로 학습할 수 있는지 짚는다.
출처2026년 5월 28일2026-05-283분Verified
전자상거래 분쟁 AI 평가
CyberJurors는 전자상거래 분쟁에서 다회차·멀티모달 증거와 플랫폼 규칙 적응을 함께 평가한다.
출처2026년 5월 28일2026-05-283분Verified
MOV-Bench로 보는 영상 추론
MOV-Bench가 시간 분산 오디오·비주얼 단서 추론의 평가 공백과 에이전트형 개선 가능성을 짚는다.
출처2026년 5월 28일2026-05-284분Verified
논문을 벤치마크로 바꾸기
불완전한 applied ML 논문을 에이전트형 절차와 슬롯 기반 표준으로 벤치마크화하는 쟁점을 다룬다.
출처2026년 3월 27일2026-03-273분Verified
NeuroVLM-Bench 핵심
MRI·CT 기반 신경영상 벤치마크로 VLM의 임상 추론, 오류, 안전 트레이드오프를 점검한다.
출처2026년 3월 26일2026-03-264분Verified
LLM 에이전트 계산 그래프
LLM 에이전트를 정적 워크플로가 아닌 실행 중 바뀌는 계산 그래프로 보고 비용·지연·통제를 함께 설계한다.
출처2026년 3월 12일2026-03-124분Verified
Latam 문화맥락 Q/A로 LLM 격차 측정
Wikidata·Wikipedia로 Latam 국가별 Q/A(2.6만+) 구축, MCQ로 LLM 격차를 계량한다.
커뮤니티2026년 3월 12일2026-03-124분Verified
연구 자동화 예측, 지표부터 다시 묻기
처리량·정확도 수치를 연구 자동화로 단정하지 말고, 성공률·시간·검증 조건을 고정해 예측하자.
출처2026년 3월 10일2026-03-104분Verified
RM-R1: 추론 후 채점 보상모델
RM-R1은 보상모델이 추론 후 채점하도록 설계해 공개 벤치마크 성능을 최대 4.9% 개선한다.
커뮤니티2026년 3월 8일2026-03-084분Verified
벤치 점수 집착을 넘는 평가 프레임
벤치 점수 0.1 논쟁의 함정을 짚고, 재현 가능한 다중지표·로드맵 기반 모델 선택법을 제시한다.
커뮤니티2026년 3월 8일2026-03-084분Verified
4비트 양자화 PPL 역전의 조건
4비트 양자화에서 PPL이 FP16보다 낮아질 수 있는 조건과 재현 검증 절차를 정리한다.
출처2026년 3월 7일2026-03-074분Verified
연소 LLM 지식주입+평가 파이프라인
3.5B 토큰 연소 지식베이스와 CombustionQA로 지식 주입과 평가를 파이프라인으로 고정.
출처2026년 3월 7일2026-03-073분Verified
EVMbench: 탐지·패치·공격까지 평가
EVMbench는 스마트컨트랙트 보안을 탐지뿐 아니라 패치와 익스플로잇까지 에이전트로 평가한다.
출처2026년 3월 5일2026-03-054분Verified
AgentSelect: 질의로 에이전트 구성 추천
서술형 질의에 맞는 엔드투엔드 에이전트 구성을 추천하는 AgentSelect 벤치마크를 소개한다.
커뮤니티2026년 3월 5일2026-03-054분Verified
LLM 난이도 착시와 평가 설계
LLM이 쉽게 푸는 과제가 만드는 난이도 착시와 다중지표·프로토콜 기반 평가/게이트 설계법
커뮤니티2026년 3월 4일2026-03-044분Verified
LLM 자아 일관성 평가 설계
LLM의 모사와 자기 일관성을 분리해 장기 기억·페르소나 드리프트를 벤치마크로 평가하는 방법.
커뮤니티2026년 3월 4일2026-03-043분Verified
지도 입력 오인식, 전처리 리스크
지도·지형 입력에서 리사이즈·타일링·토큰화 차이가 지리 오인식을 재현 가능한 제품 리스크로 만든다.
커뮤니티2026년 3월 4일2026-03-044분Verified
AGI 연도예측, 채점가능하게
AGI 도래 연도 주장, 정의·지표·확률·사후채점을 갖춰 검증 가능한 예측으로 바꾸는 법.
커뮤니티2026년 3월 3일2026-03-034분Verified
MLX 4비트 로컬 LLM 성능 측정법
MLX mxfp4 로컬 LLM을 같은 커맨드·프롬프트로 실행해 tokens-per-sec와 피크 메모리를 재현 비교한다.
커뮤니티2026년 3월 3일2026-03-034분Verified
AGI 논쟁, 정의·평가부터 정리
추론·메모리·지속학습 용어 혼선을 KPI로 분리해 검증하는 의사결정 메모.
커뮤니티2026년 3월 1일2026-03-014분Verified
프롬프트 작은 변화가 로봇 안전을 흔드는 이유
언어 지시의 미세 변화가 로봇 행동에 증폭돼 사고로 이어질 수 있음을 분석.
커뮤니티2026년 2월 17일2026-02-174분Verified
벤치마크 점수와 체감 성능의 간극
정적 벤치마크 상승이 체감 품질로 직결되지 않는 이유와 오염 리스크, 실무 평가 프레임을 정리.
커뮤니티2026년 2월 16일2026-02-164분Verified
리더보드 격차 축소, 착시와 검증
리더보드 상위권 점수 차이가 작을수록 오차와 평가조건 변화가 커진다. 3~6개월 추세는 검증이 필요하다.
뉴스2026년 2월 14일2026-02-145분Verified
코딩 에이전트 속도, duration으로 쪼개 보기
코딩 에이전트 속도를 토큰/초 대신 duration(출력·프리필·도구·네트워크)로 분해해 병목을 찾는다.