#benchmark 仓库
193
仓库总数
392,395
总星标数
2,033
平均每个仓库星标数
共 193 个仓库
106
Tiger3807861189/GLM-5.3-Flash-J-Space-Capability-Realization-Report
GLM-5.3-Flash × J-Space 能力实现——J-Space Cognition Suite 基准测试展示
⭐ 1,016
👤 Tiger3807861189 User
🕐 已更新 2026-09-05
📅 创建时间 2026-08-16
117
VibeBench/VibeSearchBench
🔍 野外最难的搜索基准——模糊、多轮、主动。200个长期任务,具有角色驱动的渐进式披露,通过可验证的无模式知识图谱评估进行评分。没有感觉,只有三元组F1。
120
keli-wen/agy-staff
将 Google 的 Antigravity CLI(agy)聘为 Claude Code、OpenAI Codex 和 DeepSeek Harness 的快速 Gemini 员工。
122
Purewhiter/mobilegym
[EMNLP 2026] MobileGym:面向移动 GUI 智能体研究的可验证高并行仿真平台 · 浏览器中运行的安卓模拟器 · 可验证评估 · 可扩展在线强化学习训练
139
ModelTC/LightCompress
[EMNLP 2024 & AAAI 2026] 一个强大的工具包,用于压缩包括大型语言模型(LLMs)、大型视觉语言模型(VLMs)和视频生成模型在内的大型模型。
143
with-pebbly/aseprite-ai-artist
你的编程智能体会在你已打开的 Aseprite 窗口中绘制像素艺术。为 Claude Code、omp、Codex、Gemini CLI 和 Cursor 提供 MCP 服务器与技能——绘图、检查作品、制作动画并导出。作品集与基准测试:pixeli.pebbly.space
146
hyperledger-caliper/caliper
一个用于测量多个区块链解决方案性能的区块链基准框架 https://wiki.hyperledger.org/display/caliper
148
TIGER-AI-Lab/VLM2Vec
该仓库包含“VLM2Vec / MMEB”[ICLR 2025]、“VLM2Vec-V2 / MMEB-V2”[TMLR 2026]和“MMEB-V3”[COLM 2026]的代码。