기존의 SciGMark 벤치마크는 과학적 계산 (scientific computing)에서 제네릭 프로그래밍 (generic programming)의 비용을 측정하기 위해 SciMark 수치 제품군을 변형하여 사용했습니다. 그 후 20년 동안 제네릭은 주류 언어의 일반적인 기능이 되었지만, 그 구현 전략은 다양해졌습니다. 본 논문은 현대 언어에서의 특수화된 (specialized) 구현과 제네릭 구현을 벤치마킹한 연구인 SciGMark 1.5를 보고합니다. 이 연구는 세 가지 목적을 가집니다. 첫째, 현재 널리 사용되는 언어들에서 사용되는 매우 다양한 제네릭 구현 (generic-realization) 전략의 결과를 조사합니다. 둘째, 유한체 선형 대수 (finite-field linear algebra), 유한체 FFT (finite-field FFT), 그리고 단순한 Gröbner 기저 (Gröbner basis) 계산을 추가함으로써 심볼릭 계산 (symbolic computation)으로 벤치마크를 확장합니다. 셋째, 기존의 부동 소수점 (floating-point) 과학적 커널이 새로운 언어 환경에서 어떻게 동작하는지 질문합니다. 측정 대상은 메인 제품군의 경우 Rust, Java, Go, TypeScript를 포함하며, Gröbner 기저 벤치마크를 위해 추가적인 C++ 및 Julia 측정을 수행했습니다. 또한 코드 생성 (code generation)과 런타임 패키징 (runtime packaging)이 제네릭 프로그래밍 비용 모델의 일부이므로, 대표적인 출력 아티팩트 (output artifact) 크기도 기록했습니다. 결과에 따르면 제네릭 프로그래밍의 비용은 추상화 (abstraction) 자체에 내재된 것이 아니라, 타입 정보 (type information)가 언제 결정되는지, 산술 값 (arithmetic values)이 어떻게 표현되는지, 그리고 컴파일러나 런타임이 내부 루프 (inner loops)에서 특정 연산을 복구할 수 있는지 여부에 따라 크게 달라짐을 확인했습니다. 사전 컴파일 방식의 모노모피제이션 (Ahead-of-time monomorphization)은 수치 테스트에서 일반적으로 제네릭 코드를 특수화된 코드에 가깝게 만듭니다. 타입 소거 (Erased) 또는 객체 기반 (object-based) 제네릭 산술은 특히 산술 및 할당 집약적인 (allocation-intensive) 코드에서 상당한 오버헤드를 유발할 수 있습니다. 런타임 특수화 (Runtime specialization)는 중간 위치를 차지하며, 타입 추론 (type inference)과 표현 방식의 선택이 유리할 때 유연성과 양호한 정상 상태 (steady-state) 성능을 제공합니다.