#benchmark 저장소
저장소 총 193개
GLM-5.3-Flash × J-Space 역량 구현 — J-Space Cognition Suite 벤치마크 소개
🔍 야생에서 가장 어려운 검색 벤치마크 — 모호하고, 다중 턴이며, 능동적입니다. 200개의 장기 과제를 페르소나 기반 점진적 공개로 수행하며, 검증 가능한 스키마 없는 지식 그래프 평가로 점수를 매깁니다. 분위기 없이, 트리플렛 F1만.
BlazeHTTP는 사용하기 쉬운 WAF 방어 효과 테스트 도구입니다. BlazeHTTP는 WAF 보호 효과 평가를 위한 사용자 친화적인 도구로 자리매김하고 있습니다.
Google의 Antigravity CLI(agy)를 Claude Code, OpenAI Codex, DeepSeek Harness를 위한 빠른 Gemini 직원으로 고용하세요.
[EMNLP 2026] MobileGym: 모바일 GUI 에이전트 연구를 위한 검증 가능하고 고도로 병렬화된 시뮬레이션 플랫폼 · 브라우저 기반 Android 시뮬레이터 · 검증 가능한 평가 · 확장 가능한 온라인 RL 훈련
ClawProBench는 OpenClaw 런타임에서 LLM 에이전트를 평가하기 위한 라이브 우선 벤치마크 하네스이며, 결정론적 채점과 반복 시험 신뢰성을 제공합니다.
Windows, macOS 및 Android 저장소 (HDD, SSD, RAM) 속도 테스트/성능 벤치마킹 앱
피지컬 AI를 위한 오픈 소스 평가. 어떤 로봇 팔이나 휴머노이드에서도 임의의 LLM/VLA를 실행하고, 실제 또는 시뮬레이션 환경의 모든 벤치마크를 대상으로 평가하세요.
[EMNLP 2024 & AAAI 2026] LLM, VLM 및 비디오 생성 모델을 포함한 대규모 모델 압축을 위한 강력한 툴킷입니다.
75개 구현을 대상으로 한 단일 스레드 라이프니츠 π 마이크로벤치마크로, 각 측정값의 근거가 되는 소스 코드, 고정된 툴체인, 원시 샘플을 제공합니다.
코딩 에이전트가 이미 열려 있는 Aseprite 창에서 픽셀 아트를 그립니다. Claude Code, omp, Codex, Gemini CLI, Cursor용 MCP 서버와 스킬을 제공합니다. 그림을 그리고, 작업물을 살펴보고, 애니메이션을 만들고 내보냅니다. 갤러리 및 벤치마크: pixeli.pebbly.space
인기 있는 마이크로서비스 프레임워크에서 Hello World의 처리량, 지연 시간 및 전송에 대한 원시 벤치마크
블록체인 벤치마크 프레임워크로 여러 블록체인 솔루션의 성능을 측정 https://wiki.hyperledger.org/display/caliper
흩어져 있는 SKILL.md 파일을 선별·정리된 검색 가능한 에이전트 스킬 코퍼스로 변환하는 오픈 소스 인프라로, 검색 및 평가 도구가 포함되어 있습니다.
이 저장소에는 "VLM2Vec / MMEB"[ICLR 2025], "VLM2Vec-V2 / MMEB-V2"[TMLR 2026] 및 "MMEB-V3"[COLM 2026]의 코드가 포함되어 있습니다.
거대 언어 모델의 장문 사실성 벤치마킹. 저희 논문 "Long-form factuality in large language models"의 원본 코드.