[논문리뷰] Are We Testing Too Much? A Survey of Benchmark Compression for Efficient Evaluation of Large Language Models본 논문은 LLM의 비약적인 발전과 더불어 벤치마크 수가 급증함에 따라 발생하는 평가 비용의 비효율성 문제를 다룬다 . 대다수의 기존 벤치마크는 상당한 중복성을 포함하고 있어, 전체 항목의 20% 미만으로도 충분히 모델의 성능을 유추할 수 있음이 확인되었다.#Review#LLM Evaluation#Benchmark Compression#Efficiency#Adaptive Evaluation#Model Benchmarking#Subset Selection2026년 10월 14일댓글 수 로딩 중
[논문리뷰] DeepResearchEval: An Automated Framework for Deep Research Task Construction and Agentic Evaluation본 논문은 심층 연구 시스템이 생성하는 길고 복잡한 보고서의 평가가 어렵다는 문제점을 해결하고자 합니다. 기존 벤치마크는 수동 주석 작업이 많거나, 고정된 평가 차원에 의존하거나, 인용되지 않은 사실을 신뢰성 있게 검증하지 못하는 한계가 있었습니다.#Review#Agentic AI#Deep Research Systems#Automated Evaluation#Task Construction#Fact-Checking#LLM Benchmarking#Adaptive Evaluation2026년 1월 14일댓글 수 로딩 중