#benchmark Repositories
Insgesamt 193 Repositories
TorchBench ist eine Sammlung von Open-Source-Benchmarks, die zur Bewertung der PyTorch-Leistung verwendet werden.
Offizielle Implementierung von „ADBench: Anomaly Detection Benchmark“, NeurIPS 2022.
Airspeed Velocity: Ein einfaches Python-Benchmarking-Tool mit webbasiertem Reporting
GLM-5.3-Flash × J-Space: Realisierung von Fähigkeiten — Benchmark-Präsentation der J-Space Cognition Suite
Monokulare Tiefenschätzungswerkzeugkasten basierend auf MMSegmentation.
Molecular Sets (MOSES): Eine Benchmarking-Plattform für Modelle zur Molekülgenerierung
Eine PyTorch-Bibliothek für alles rund um Reinforcement Learning (RL) für kombinatorische Optimierung (CO)
🔍 Der schwierigste Suchbenchmark in freier Wildbahn — vage, mehrfach, proaktiv. 200 langfristige Aufgaben mit personengetriebener progressiver Offenlegung, bewertet durch überprüfbare schemafreie Wissensgraph-Evaluierung. Keine Stimmung, nur Triplett-F1.
BlazeHTTP ist ein einfach zu bedienendes Werkzeug zur Bewertung der WAF-Schutzwirkung. BlazeHTTP steht als benutzerfreundliches Werkzeug zur Bewertung der Wirksamkeit von WAF-Schutzmaßnahmen.
Setzen Sie Googles Antigravity CLI (agy) als schnellen Gemini-Mitarbeiter für Claude Code, OpenAI Codex und DeepSeek Harness ein.
[NeurIPS 2025 Spotlight] OpenCUA: Offene Grundlagen für Computer-Nutzungsagenten
[EMNLP 2026] MobileGym: Eine überprüfbare und hochparallele Simulationsplattform für die Forschung an mobilen GUI-Agenten · Im Browser gehosteter Android-Simulator · Überprüfbare Evaluierung · Skalierbares Online-RL-Training
DeepResearch Bench: Ein umfassender Benchmark für Deep Research Agents
📊 Benchmark-Vergleich von Paketen mit Laufzeitvalidierung und TypeScript-Unterstützung
ClawProBench ist ein Benchmark-Harness mit Priorität auf Live-Tests zur Bewertung von LLM-Agenten im OpenClaw-Runtime mit deterministischer Bewertung und Zuverlässigkeit bei wiederholten Tests.
Eine Agenten-Benchmark mit Aufgaben in einem simulierten Softwareunternehmen.
Noch eine Implementierung des Computer Language Benchmarks Game
Ein Datensatz von Datensätzen zum Lernen, aus wenigen Beispielen zu lernen
Windows-, macOS- und Android-Speicher (HDD, SSD, RAM) Geschwindigkeitstest-/Leistungsbenchmarking-App
"Traue niemandem, archiviere alles." - sbt Plugin für JMH (Java Microbenchmark Harness)
RobustBench: ein standardisiertes Benchmark für adversarielle Robustheit [NeurIPS 2021 Benchmarks und Datasets Track]
Open-Source-Evaluierungen für physische KI. Führe beliebige LLMs/VLAs auf beliebigen Roboterarmen oder humanoiden Robotern gegen beliebige reale oder simulierte Benchmarks aus.
golang HTTP-Stresstest-Tool, unterstützt einzeln und verteilt, http/1, http/2 und http/3.
[EMNLP 2024 & AAAI 2026] Ein leistungsstarkes Toolkit zum Komprimieren großer Modelle, einschließlich LLMs, VLMs und Video-Generierungsmodellen.
Single-Thread-Leibniz-π-Mikrobenchmark mit 75 Implementierungen, einschließlich Quellcode, festgelegter Toolchain und Rohdaten zu jeder Zeitmessung.
Dein Coding-Agent erstellt Pixel-Art im bereits geöffneten Aseprite-Fenster. MCP-Server und Skills für Claude Code, omp, Codex, Gemini CLI und Cursor – zeichnet, prüft seine Arbeit, animiert und exportiert. Galerie und Benchmark: pixeli.pebbly.space
Rohe Benchmarks zu Durchsatz, Latenz und Übertragung von Hello World auf beliebten Microservices-Frameworks
Ein Blockchain-Benchmark-Framework zur Messung der Leistung mehrerer Blockchain-Lösungen https://wiki.hyperledger.org/display/caliper
Open-Source-Infrastruktur, die verstreute SKILL.md-Dateien in kuratierte, abrufbereite Agentenkompetenz-Korpora umwandelt – einschließlich Tools für Abruf und Evaluierung.
Dieses Repository enthält den Code für "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026] und "MMEB-V3" [COLM 2026]
Benchmarking der Faktenhaltigkeit langer Texte in großen Sprachmodellen. Originalcode für unsere Arbeit "Long-form factuality in large language models".
Punktbasierter und winziger Objekterkennungs- und Lokalisierungscodesatz von UCAS-VG