전체피드·트렌딩·게시판 통합 피드최신 뉴스 주간주간·월간 인기 트렌딩오픈소스·릴리즈 게시판블로그·홍보 태그주제별 탐색

#ai-evaluation

AI Briefing

개인정보처리방침 이용약관 문의 · 건의 RSS/API 후원

피드
트렌딩
주간
태그
설정

AI 모델에 인간의 감각을 더하다

·2026.08.04 09시

VLM 벤치마크의 임상용어 지우기

·2026.08.01 18시

Eval-driven development: 대규모 GenAI 평가를 통한 교훈

·2026.07.29 02시

ARC-AGI 리더보드

·2026.07.25 15시

Perplexity, WANDR 벤치마크 공개

·2026.07.24 08시

AI 연구소들이 펠리컨 벤치마크를 과적합하고 있을까?

·2026.07.23 09시

Schema

·1·2026.07.17 09시

LLM이 컴퓨터 아키텍처 논문에 대해 심층적인 기술적 이해를 수행할 수 있는가?

·2026.07.16 11시

LMArena, 사실성(Factuality) 지표 도입 및 순위 발표

·2026.07.16 01시

장기적 터미널 작업 수행 능력을 테스트하는 에이전트 벤치마크 (GitHub Repo)

·2026.07.14 09시

Hugging Face, AI 모델 평가 결과 통합 표준화

·2026.06.30 09시

도구 사용 능력을 갖춘 LLM 에이전트의 취약점 측정

·2026.06.26 09시

보이스 에이전트 평가 프레임워크의 6가지 핵심 요소

·2026.06.20 01시

Ground truth는 데이터셋이 아닌 프로세스다

·2026.06.04 00시

신뢰할 수 있는 제3자 평가를 위한 공동 플레이북

·2026.05.30 02시

AI 책임성 확보를 위한 경로 구축

·2026.05.29 12시

Cohere와 Mila, AI의 퀘벡 프랑스어 언어 및 문화적 맥락 강화를 위한 파트너십 체결

·2026.05.28 01시

BenchBench 소개

·2026.05.26 09시

METR AI 타임 호라이즌 그래프의 심각한 오류 지적

·2026.05.26 03시

대규모 Multi-Agent 시스템 평가하기

·2026.05.25 09시

AI 에이전트 평가 도구, Polarity

·2026.05.18 12시

AI 실패율 두 자릿수

·2026.04.24 06시

Mimo V2 Flash HSS

·2025.12.19 09시

Chain-of-thought 모니터링 가능성 평가

·2025.12.18 21시