Benchmark 15
- LLM 신경해부학: 가중치 변경 없이 중간 레이어 복제로 리더보드 1위 달성
- Deep Think with Confidence - LLM 추론의 신뢰도 평가 연구
- Qwen3.5 - 알리바바의 새로운 대규모 언어 모델 시리즈
- 프롬프트 반복으로 LLM 성능 향상 - Google 연구팀 논문
- Taalas - LLM 가중치를 실리콘에 새기다, 초당 17,000 토큰 ASIC 칩
- FINAL Bench - AI 메타인지를 측정하는 첫 번째 벤치마크
- METR의 AI 시간 지평 연구 - AI 자율성이 6개월마다 두 배씩 성장한다
- 에이전틱 코딩 벤치마크에서 인프라 노이즈 정량화 : Anthropic 엔지니어링 분석
- AI 창의성의 역설 - 평균은 넘었지만 천재는 못 따라간다
- DeepPlanning - 장기 계획 수립 에이전트를 위한 벤치마크
- Kimi K2.5 - Moonshot AI의 1조 파라미터 오픈 웨이트 멀티모달 모델
- GLM-4.7 - 코딩 전문 LLM의 새로운 강자
- DeepResearch Bench의 RACE와 FACT 평가 방법
- AGI 직전이라더니 내가 사용하는 AI는 왜 멍청할까?
- PostgreSQL - Benchmark