#benchmark Repositorios
193 repositorios en total
TorchBench es una colección de benchmarks de código abierto utilizados para evaluar el rendimiento de PyTorch.
Herramienta de generación de tráfico y benchmarking para NoSQL Redis y Memcache.
Implementación oficial de "ADBench: Anomaly Detection Benchmark", NeurIPS 2022.
Airspeed Velocity: Una simple herramienta de benchmarking de Python con informes basados en la web
GLM-5.3-Flash × J-Space: realización de capacidades — Presentación de benchmarks de J-Space Cognition Suite
Caja de herramientas de estimación de profundidad monocular basada en MMSegmentation.
Conjuntos Moleculares (MOSES): Una Plataforma de Benchmarking para Modelos de Generación Molecular
Una biblioteca PyTorch para todo lo relacionado con el aprendizaje por refuerzo (RL) para la optimización combinatoria (CO)
🔍 El benchmark de búsqueda más difícil en la naturaleza — vago, de múltiples turnos, proactivo. 200 tareas de largo horizonte con divulgación progresiva impulsada por persona, evaluadas mediante una evaluación verificable de grafo de conocimiento sin esquema. Sin vibraciones, solo F1 de tripletes.
BlazeHTTP es una herramienta WAF fácil de usar para la protección WAF. BlazeHTTP se erige como una herramienta fácil de usar para la evaluación de la eficacia de la protección WAF.
Contrata Antigravity CLI (agy) de Google como un asistente rápido de Gemini para Claude Code, OpenAI Codex y DeepSeek Harness.
[NeurIPS 2025 Spotlight] OpenCUA: Fundaciones abiertas para agentes de uso de computadora
[EMNLP 2026] MobileGym: Una plataforma de simulación verificable y altamente paralela para la investigación de agentes de GUI móvil · Simulador de Android alojado en el navegador · Evaluación verificable · Entrenamiento de RL en línea escalable
DeepResearch Bench: Un benchmark integral para agentes de investigación profunda
📊 Comparación de benchmarks de paquetes con validación en tiempo de ejecución y soporte para TypeScript
ClawProBench es un arnés de benchmark con prioridad en pruebas en vivo para evaluar agentes LLM en el entorno de ejecución OpenClaw con calificación determinística y fiabilidad en pruebas repetidas.
Un benchmark de agente con tareas en una empresa de software simulada.
Otra implementación del juego de referencia de lenguajes informáticos
HammerDB: El benchmark de base de datos open-source estándar de la industria
Un conjunto de datos de conjuntos de datos para aprender a aprender de pocos ejemplos
Aplicación de prueba de velocidad/benchmarking de rendimiento de almacenamiento para Windows, macOS y Android (HDD, SSD, RAM)
"No confíes en nadie, archiva todo." - plugin sbt para JMH (Java Microbenchmark Harness)
RobustBench: un benchmark estandarizado de robustez adversaria [Pista de Benchmarks y Conjuntos de Datos de NeurIPS 2021]
Evaluaciones de código abierto para la IA física. Ejecuta cualquier LLM/VLA en cualquier brazo robótico o humanoide frente a cualquier benchmark real o simulado.
Herramienta de prueba de estrés HTTP en golang, admite modo único y distribuido, http/1, http/2 y http/3.
[EMNLP 2024 & AAAI 2026] Un potente kit de herramientas para comprimir modelos grandes, incluidos LLM, VLM y modelos generativos de video.
Microbenchmark monohilo de π de Leibniz con 75 implementaciones, con el código fuente, la cadena de herramientas fijada y las muestras sin procesar que respaldan cada medición.
Tu agente de programación dibuja pixel art en la ventana de Aseprite que ya tienes abierta. Servidor MCP y habilidades para Claude Code, omp, Codex, Gemini CLI y Cursor: dibuja, revisa su trabajo, anima y exporta. Galería y benchmark: pixeli.pebbly.space
Benchmarks brutos sobre rendimiento, latencia y transferencia de Hello World en frameworks populares de microservicios
Un marco de referencia de benchmarks de blockchain para medir el rendimiento de múltiples soluciones de blockchain https://wiki.hyperledger.org/display/caliper
Infraestructura de código abierto que convierte archivos SKILL.md dispersos en corpus de habilidades de agentes seleccionados y listos para la recuperación, con herramientas de recuperación y evaluación incluidas.
Este repositorio contiene el código de "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026] y "MMEB-V3" [COLM 2026]
Benchmarking de la factualidad a largo plazo en modelos de lenguaje grandes. Código original de nuestro artículo "Long-form factuality in large language models".
Conjunto de código de detección y localización de objetos basados en puntos y pequeños de UCAS-VG