Git Stars Git Stars

#benchmark Repositorios

193
Total de Repositorios
392,395
Total de estrellas
2,033
Promedio de Estrellas/Repo

193 repositorios en total

151
facebookresearch/BenchMARL

BenchMARL es una biblioteca para la evaluación comparativa de Multi-Agent Reinforcement Learning (MARL). BenchMARL permite comparar rápidamente diferentes algoritmos, tareas y modelos de MARL, al tiempo que se basa sistemáticamente en sus dos principios fundamentales: reproducibilidad y estandarización.

facebookresearch
⭐ 687 Python 👤 facebookresearch Organization 🕐 Actualizado 2026-02-07 📅 Creado 2023-08-22
152
JuliaCI/BenchmarkTools.jl

Un marco de benchmarking para el lenguaje Julia

JuliaCI
⭐ 685 Julia 👤 JuliaCI Organization 🕐 Actualizado 2026-11-11 📅 Creado 2016-02-23
153
ServiceNow/AgentLab

AgentLab: Un marco de código abierto para desarrollar, probar y evaluar agentes web en tareas diversas, diseñado para escalabilidad y reproducibilidad.

ServiceNow
⭐ 668 Python 👤 ServiceNow Organization 🕐 Actualizado 2026-10-06 📅 Creado 2024-05-21
154
lukeed/uid

Una utilidad pequeña (130B a 205B) y rápida para generar ID aleatorios de longitud fija

lukeed
⭐ 668 JavaScript 👤 lukeed User 🕐 Actualizado 2024-09-27 📅 Creado 2020-03-03
155
Tencent/AICGSecEval

A.S.E (AICGSecEval) es un benchmark de evaluación de seguridad de código generado por IA a nivel de repositorio, desarrollado por el equipo de seguridad de código Tencent Wukong.

Tencent
⭐ 667 Python 👤 Tencent Organization 🕐 Actualizado 2026-05-25 📅 Creado 2025-07-08
156
onejune2018/Awesome-LLM-Eval

Awesome-LLM-Eval: una lista curada de herramientas, conjuntos de datos/benchmarks, demostraciones, tablas de clasificación, artículos, documentos y modelos, principalmente para la Evaluación en LLMs. Una lista curada de herramientas, benchmarks/datos, demostraciones, tablas de clasificación y grandes modelos, que se enfoca principalmente en la evaluación de grandes modelos base, con el objetivo de explorar los límites tecnológicos de la IA generativa.

onejune2018
⭐ 661 👤 onejune2018 User 🕐 Actualizado 2025-11-24 📅 Creado 2023-04-26
157
benedekrozemberczki/datasets

Un repositorio de conjuntos de datos bastante geniales que he recopilado para la investigación en ciencia de redes y aprendizaje automático.

benedekrozemberczki
⭐ 657 👤 benedekrozemberczki User 🕐 Actualizado 2025-12-20 📅 Creado 2019-04-07
158
Westlake-AI/openmixup

CAIRI Toolbox y Benchmark para el Aprendizaje de Representaciones Visuales Supervisado, Semi-Supervisado y Auto-Supervisado

Westlake-AI
⭐ 656 Python 👤 Westlake-AI Organization 🕐 Actualizado 2025-10-15 📅 Creado 2021-12-30
159
run-llama/ParseBench

ParseBench - Un punto de referencia de análisis de documentos para agentes de IA

run-llama
⭐ 650 Python 👤 run-llama Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-04-10
160
Kotlin/kotlinx-benchmark

Kit de herramientas de benchmarking multiplataforma de Kotlin

Kotlin
⭐ 644 Kotlin 👤 Kotlin Organization 🕐 Actualizado 2026-11-17 📅 Creado 2018-12-18
161
onyx-dot-app/EnterpriseRAG-Bench

Conjunto de datos y referencia para RAG en documentos internos de la empresa.

onyx-dot-app
⭐ 639 👤 onyx-dot-app Organization 🕐 Actualizado 2026-09-03 📅 Creado 2026-02-19
162
HowieHwong/TrustLLM

[ICML 2024] TrustLLM: evaluación de la confiabilidad de los LLM en términos de veracidad, seguridad, equidad, robustez, privacidad y ética. Kit de herramientas de Python/CLI para modelos locales, API compatibles y orquestación de agentes de IA.

HowieHwong
⭐ 635 Python 👤 HowieHwong User 🕐 Actualizado 2026-10-04 📅 Creado 2023-12-23
163
IndoNLP/indonlu

El primer y extenso benchmark de procesamiento de lenguaje natural para el idioma indonesio. ¡Proporcionamos múltiples tareas posteriores, modelos IndoBERT preentrenados y un código de inicio! (AACL-IJCNLP 2020)

IndoNLP
⭐ 635 Jupyter Notebook 👤 IndoNLP Organization 🕐 Actualizado 2024-11-16 📅 Creado 2020-09-12
164
jsdelivr/globalping

Una red global de sondas para ejecutar pruebas de red como ping, traceroute y resolución DNS

jsdelivr
⭐ 630 TypeScript 👤 jsdelivr Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-02-19
165
piotrmurach/rspec-benchmark

Coincidencias de pruebas de rendimiento para RSpec

piotrmurach
⭐ 617 Ruby 👤 piotrmurach User 🕐 Actualizado 2024-03-16 📅 Creado 2016-01-17
166
Xtra-Computing/NIID-Bench

Benchmark de Aprendizaje Federado - Aprendizaje Federado en Silos de Datos No IID: Un Estudio Experimental (ICDE 2022)

Xtra-Computing
⭐ 611 Python 👤 Xtra-Computing Organization 🕐 Actualizado 2024-02-26 📅 Creado 2021-01-08
167
KLUE-benchmark/KLUE

📖 Punto de referencia de NLU coreano

KLUE-benchmark
⭐ 606 👤 KLUE-benchmark Organization 🕐 Actualizado 2026-06-30 📅 Creado 2020-11-16
168
FreedomIntelligence/TextClassificationBenchmark

Un Benchmark de Clasificación de Texto en PyTorch

FreedomIntelligence
⭐ 606 Python 👤 FreedomIntelligence Organization 🕐 Actualizado 2024-04-20 📅 Creado 2017-12-13
169
JailbreakBench/jailbreakbench

JailbreakBench: Un benchmark de robustez abierto para el jailbreaking de modelos de lenguaje [Track de Datasets y Benchmarks de NeurIPS 2024]

JailbreakBench
⭐ 603 Python 👤 JailbreakBench Organization 🕐 Actualizado 2025-04-04 📅 Creado 2023-11-13
170
DavidZhangdw/Visual-Tracking-Development

Seguimiento de Objetos Visuales

DavidZhangdw
⭐ 602 Python 👤 DavidZhangdw User 🕐 Actualizado 2026-06-15 📅 Creado 2019-11-17
171
Tencent-Hunyuan/CL-bench

CL-bench: Un Benchmark para el Aprendizaje de Contexto

Tencent-Hunyuan
⭐ 596 Python 👤 Tencent-Hunyuan Organization 🕐 Actualizado 2026-10-17 📅 Creado 2026-01-23
172
TIGER-AI-Lab/WebsiteBench

¿Pueden los agentes de IA reconstruir sitios web explorando el navegador?

TIGER-AI-Lab
⭐ 595 Python 👤 TIGER-AI-Lab Organization 🕐 Actualizado 2026-11-17 📅 Creado 2026-11-04
173
lance0/xfr

Una alternativa moderna a iperf3 con TUI en vivo, servidor multi-cliente y soporte para QUIC. Construido en Rust.

lance0
⭐ 591 Rust 👤 lance0 User 🕐 Actualizado 2026-11-15 📅 Creado 2026-01-31
174
Aixio-AI/aixio-layer-v2

Aixio Layer v2 recupera capas editables de diseños planos cuando es posible. Evaluación comparativa con 150 diseños frente a Canva Magic Layers, Qwen-Image-Layer y GPT-6 Astra Ultra.

Aixio-AI
⭐ 589 👤 Aixio-AI Organization 🕐 Actualizado 2026-10-09 📅 Creado 2026-10-09
175
facebookresearch/meta-agents-research-environments

Meta Agents Research Environments es una plataforma integral diseñada para evaluar agentes de IA en escenarios dinámicos y realistas. A diferencia de los puntos de referencia estáticos, esta plataforma introduce entornos en evolución donde los agentes deben adaptar sus estrategias a medida que hay nueva información disponible, reflejando los desafíos del mundo real.

facebookresearch
⭐ 581 Python 👤 facebookresearch Organization 🕐 Actualizado 2026-09-30 📅 Creado 2025-09-11
176
lnx-search/rewrk

Un benchmark de framework http más moderno que admite benchmarks HTTP/1 y HTTP/2.

lnx-search
⭐ 570 Rust 👤 lnx-search Organization 🕐 Actualizado 2024-03-25 📅 Creado 2021-01-19
177
p-ranav/alpaca

Biblioteca de serialización escrita en C++17 - Empaquete estructuras C++ en un array de bytes compacto sin macros ni código repetitivo

p-ranav
⭐ 564 C++ 👤 p-ranav User 🕐 Actualizado 2026-10-30 📅 Creado 2022-08-20
178
frol/completely-unscientific-benchmarks

Comparación ingenua de rendimiento de algunos lenguajes de programación (JavaScript, Kotlin, Rust, Swift, Nim, Python, Go, Haskell, D, C++, Java, C#, Object Pascal, Ada, Lua, Ruby)

frol
⭐ 557 C++ 👤 frol User 🕐 Actualizado 2026-07-02 📅 Creado 2018-05-12
179
turkaysoft/glow

Software Avanzado de Análisis de Sistemas

turkaysoft
⭐ 555 C# 👤 turkaysoft User 🕐 Actualizado 2026-11-20 📅 Creado 2023-10-04
180
SpeechColab/Leaderboard

SpeechIO Leaderboard: una plataforma de benchmarking grande, robusta y completa para el reconocimiento automático del habla.

SpeechColab
⭐ 545 Python 👤 SpeechColab User 🕐 Actualizado 2025-03-29 📅 Creado 2021-02-07
181
petabridge/NBench

Marco de benchmarking de rendimiento y pruebas para aplicaciones .NET :chart_with_upwards_trend:

petabridge
⭐ 541 C# 👤 petabridge Organization 🕐 Actualizado 2024-09-10 📅 Creado 2015-11-02
182
krrishnarraj/clpeak

Rendimiento de cálculo máximo, ancho de banda de memoria y latencia de CPU, GPU y NPU: las mismas pruebas a través de cada API que accede a un dispositivo. Línea de comandos y aplicación para Windows, macOS, Linux y Android

krrishnarraj
⭐ 540 C++ 👤 krrishnarraj User 🕐 Actualizado 2026-11-20 📅 Creado 2013-08-25
183
hank-whu/rpc-benchmark

Benchmark de Java RPC, inspirado en https://www.techempower.com/benchmarks/

hank-whu
⭐ 531 Java 👤 hank-whu User 🕐 Actualizado 2024-04-08 📅 Creado 2017-12-23
184
glmark2/glmark2

glmark2 es un benchmark de OpenGL 2.0 y ES 2.0.

glmark2
⭐ 530 C 👤 glmark2 Organization 🕐 Actualizado 2025-09-29 📅 Creado 2014-02-11
185
v8/web-tooling-benchmark

Benchmark de JavaScript para cargas de trabajo comunes de desarrolladores web

v8
⭐ 526 JavaScript 👤 v8 Organization 🕐 Actualizado 2026-06-08 📅 Creado 2017-10-18
186
GraphRAG-Bench/GraphRAG-Benchmark

El repositorio oficial de GraphRAG-Bench para evaluar modelos GraphRAG. «Cuándo usar grafos en RAG: un análisis exhaustivo de la generación aumentada mediante recuperación de grafos». (ICLR'26)

GraphRAG-Bench
⭐ 525 Python 👤 GraphRAG-Bench User 🕐 Actualizado 2026-06-07 📅 Creado 2025-06-09
187
THUDM/LongCite

LongCite: Habilitar LLMs para generar citas granulares en QA de contexto largo

THUDM
⭐ 516 Python 👤 THUDM Organization 🕐 Actualizado 2024-12-31 📅 Creado 2024-08-31
188
bigcode-project/bigcodebench

[ICLR'25] BigCodeBench: Evaluación comparativa de la generación de código hacia la AGI

bigcode-project
⭐ 515 Python 👤 bigcode-project Organization 🕐 Actualizado 2026-01-03 📅 Creado 2024-04-29
189
basveeling/pcam

El benchmark de clasificación de aprendizaje profundo PatchCamelyon (PCam).

basveeling
⭐ 514 Python 👤 basveeling User 🕐 Actualizado 2024-01-31 📅 Creado 2018-05-28
190
alexklwong/awesome-state-of-depth-completion

Estado actual de los métodos supervisados y no supervisados de completación de profundidad

alexklwong
⭐ 513 👤 alexklwong User 🕐 Actualizado 2025-03-16 📅 Creado 2020-03-10
191
Chengjun023/agent-smith

¿Exceso de tokens? ¡Mejor llama a Smith! Better Call Smith. Enrutamiento adaptativo de modelos, un elegante monitor de uso de Codex y benchmarks reproducibles con pruebas.

Chengjun023
⭐ 510 Python 👤 Chengjun023 User 🕐 Actualizado 2026-10-01 📅 Creado 2026-09-30
192
agent-next/polymarket-paper-trader

Simulador de trading en papel para Polymarket

agent-next
⭐ 509 Python 👤 agent-next Organization 🕐 Actualizado 2026-11-01 📅 Creado 2026-03-01
193
SeekingDream/Static-to-Dynamic-LLMEval

El repositorio oficial de GitHub del paper "Recent advances in large language model benchmarks against data contamination: From static to dynamic evaluation"

SeekingDream
⭐ 500 👤 SeekingDream User 🕐 Actualizado 2026-09-28 📅 Creado 2025-02-21