Git Stars Git Stars

#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

151
facebookresearch/BenchMARL

BenchMARL是一个用于多智能体强化学习(MARL)基准测试的库。BenchMARL允许快速比较不同的MARL算法、任务和模型,同时系统地遵循其两大核心原则:可复现性和标准化。

facebookresearch
⭐ 687 Python 👤 facebookresearch Organization 🕐 已更新 2026-02-07 📅 创建时间 2023-08-22
152
JuliaCI/BenchmarkTools.jl

Julia 语言的基准测试框架

JuliaCI
⭐ 685 Julia 👤 JuliaCI Organization 🕐 已更新 2026-11-11 📅 创建时间 2016-02-23
153
ServiceNow/AgentLab

AgentLab:一个开源框架,用于在多种任务上开发、测试和基准测试网络代理,旨在实现可扩展性和可重复性。

ServiceNow
⭐ 668 Python 👤 ServiceNow Organization 🕐 已更新 2026-10-06 📅 创建时间 2024-05-21
154
lukeed/uid

一个固定长度随机ID生成器,小巧(130B到205B)且快速

lukeed
⭐ 668 JavaScript 👤 lukeed User 🕐 已更新 2024-09-27 📅 创建时间 2020-03-03
155
Tencent/AICGSecEval

A.S.E (AICGSecEval) 是由腾讯悟空代码安全团队开发的一个仓库级AI生成代码安全评估基准。

Tencent
⭐ 667 Python 👤 Tencent Organization 🕐 已更新 2026-05-25 📅 创建时间 2025-07-08
156
onejune2018/Awesome-LLM-Eval

Awesome-LLM-Eval: a curated list of tools, datasets/benchmark, demos, leaderboard, papers, docs and models, mainly for Evaluation on LLMs. 一个由工具、基准/数据、演示、排行榜和大模型等组成的精选列表,主要面向基础大模型评测,旨在探求生成式AI的技术边界。

onejune2018
⭐ 661 👤 onejune2018 User 🕐 已更新 2025-11-24 📅 创建时间 2023-04-26
157
benedekrozemberczki/datasets

一个我为网络科学和机器学习研究收集的相当酷的数据集仓库。

benedekrozemberczki
⭐ 657 👤 benedekrozemberczki User 🕐 已更新 2025-12-20 📅 创建时间 2019-04-07
158
Westlake-AI/openmixup

CAIRI 监督式、半监督式和自监督式视觉表示学习工具箱和基准

Westlake-AI
⭐ 656 Python 👤 Westlake-AI Organization 🕐 已更新 2025-10-15 📅 创建时间 2021-12-30
159
run-llama/ParseBench

ParseBench - 面向AI代理的文档解析基准

run-llama
⭐ 650 Python 👤 run-llama Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-04-10
160
Kotlin/kotlinx-benchmark

Kotlin 多平台基准测试工具包

Kotlin
⭐ 644 Kotlin 👤 Kotlin Organization 🕐 已更新 2026-11-17 📅 创建时间 2018-12-18
161
onyx-dot-app/EnterpriseRAG-Bench

用于公司内部文档RAG的数据集和基准。

onyx-dot-app
⭐ 639 👤 onyx-dot-app Organization 🕐 已更新 2026-09-03 📅 创建时间 2026-02-19
162
HowieHwong/TrustLLM

[ICML 2024] TrustLLM:从真实性、安全性、公平性、稳健性、隐私和伦理等方面评估大语言模型(LLM)的可信度。适用于本地模型、兼容 API 和 AI 智能体编排的 Python/CLI 工具包。

HowieHwong
⭐ 635 Python 👤 HowieHwong User 🕐 已更新 2026-10-04 📅 创建时间 2023-12-23
163
IndoNLP/indonlu

印度尼西亚语的首个海量自然语言处理基准。我们提供了多个下游任务、预训练的 IndoBERT 模型和入门代码!(AACL-IJCNLP 2020)

IndoNLP
⭐ 635 Jupyter Notebook 👤 IndoNLP Organization 🕐 已更新 2024-11-16 📅 创建时间 2020-09-12
164
jsdelivr/globalping

一个全球探针网络,用于运行网络测试,如 ping、traceroute 和 DNS 解析

jsdelivr
⭐ 630 TypeScript 👤 jsdelivr Organization 🕐 已更新 2026-11-20 📅 创建时间 2022-02-19
165
piotrmurach/rspec-benchmark

RSpec 的性能测试匹配器

piotrmurach
⭐ 617 Ruby 👤 piotrmurach User 🕐 已更新 2024-03-16 📅 创建时间 2016-01-17
166
Xtra-Computing/NIID-Bench

联邦学习基准 - 非独立同分布数据孤岛上的联邦学习:一项实验研究 (ICDE 2022)

Xtra-Computing
⭐ 611 Python 👤 Xtra-Computing Organization 🕐 已更新 2024-02-26 📅 创建时间 2021-01-08
167
KLUE-benchmark/KLUE

📖 韩语自然语言理解基准

KLUE-benchmark
⭐ 606 👤 KLUE-benchmark Organization 🕐 已更新 2026-06-30 📅 创建时间 2020-11-16
168
FreedomIntelligence/TextClassificationBenchmark

PyTorch 中文本分类的基准

FreedomIntelligence
⭐ 606 Python 👤 FreedomIntelligence Organization 🕐 已更新 2024-04-20 📅 创建时间 2017-12-13
169
JailbreakBench/jailbreakbench

JailbreakBench: 语言模型越狱的开放鲁棒性基准测试 [NeurIPS 2024 数据集与基准测试轨道]

JailbreakBench
⭐ 603 Python 👤 JailbreakBench Organization 🕐 已更新 2025-04-04 📅 创建时间 2023-11-13
⭐ 602 Python 👤 DavidZhangdw User 🕐 已更新 2026-06-15 📅 创建时间 2019-11-17
171
Tencent-Hunyuan/CL-bench

CL-bench:上下文学习基准

Tencent-Hunyuan
⭐ 596 Python 👤 Tencent-Hunyuan Organization 🕐 已更新 2026-10-17 📅 创建时间 2026-01-23
172
TIGER-AI-Lab/WebsiteBench

人工智能代理能通过浏览器探索重建网站吗?

TIGER-AI-Lab
⭐ 595 Python 👤 TIGER-AI-Lab Organization 🕐 已更新 2026-11-17 📅 创建时间 2026-11-04
173
lance0/xfr

一个现代的 iperf3 替代方案,具有实时 TUI、多客户端服务器和 QUIC 支持。使用 Rust 构建。

lance0
⭐ 591 Rust 👤 lance0 User 🕐 已更新 2026-11-15 📅 创建时间 2026-01-31
174
Aixio-AI/aixio-layer-v2

Aixio Layer v2 会在可能的情况下从扁平化设计中恢复可编辑图层。150 个设计的基准测试,对比 Canva Magic Layers、Qwen-Image-Layer 和 GPT-6 Astra Ultra。

Aixio-AI
⭐ 589 👤 Aixio-AI Organization 🕐 已更新 2026-10-09 📅 创建时间 2026-10-09
175
facebookresearch/meta-agents-research-environments

Meta Agents Research Environments 是一个综合性平台,旨在评估动态、现实场景中的 AI 智能体。与静态基准测试不同,该平台引入了不断演进的环境,智能体必须随着新信息的获取而调整其策略,从而模拟现实世界中的挑战。

facebookresearch
⭐ 581 Python 👤 facebookresearch Organization 🕐 已更新 2026-09-30 📅 创建时间 2025-09-11
176
lnx-search/rewrk

一个更现代的 HTTP 框架基准测试工具,支持 HTTP/1 和 HTTP/2 基准测试。

lnx-search
⭐ 570 Rust 👤 lnx-search Organization 🕐 已更新 2024-03-25 📅 创建时间 2021-01-19
177
p-ranav/alpaca

用 C++17 编写的序列化库 - 在没有任何宏或样板代码的情况下将 C++ 结构体打包成紧凑的字节数组

p-ranav
⭐ 564 C++ 👤 p-ranav User 🕐 已更新 2026-10-30 📅 创建时间 2022-08-20
178
frol/completely-unscientific-benchmarks

几种编程语言(JavaScript、Kotlin、Rust、Swift、Nim、Python、Go、Haskell、D、C++、Java、C#、Object Pascal、Ada、Lua、Ruby)的朴素性能比较

frol
⭐ 557 C++ 👤 frol User 🕐 已更新 2026-07-02 📅 创建时间 2018-05-12
179
turkaysoft/glow

高级系统分析软件

turkaysoft
⭐ 555 C# 👤 turkaysoft User 🕐 已更新 2026-11-20 📅 创建时间 2023-10-04
180
SpeechColab/Leaderboard

SpeechIO Leaderboard:一个大型、稳健、全面的自动语音识别基准测试平台。

SpeechColab
⭐ 545 Python 👤 SpeechColab User 🕐 已更新 2025-03-29 📅 创建时间 2021-02-07
181
petabridge/NBench

.NET 应用程序的性能基准测试和测试框架 :chart_with_upwards_trend:

petabridge
⭐ 541 C# 👤 petabridge Organization 🕐 已更新 2024-09-10 📅 创建时间 2015-11-02
182
krrishnarraj/clpeak

CPU、GPU 和 NPU 的峰值算力、内存带宽与延迟:通过所有可访问设备的 API 运行相同的测试。支持 Windows、macOS、Linux 和 Android 的命令行工具与应用

krrishnarraj
⭐ 540 C++ 👤 krrishnarraj User 🕐 已更新 2026-11-20 📅 创建时间 2013-08-25
183
hank-whu/rpc-benchmark

Java RPC 基准测试,灵感来源于 https://www.techempower.com/benchmarks/

hank-whu
⭐ 531 Java 👤 hank-whu User 🕐 已更新 2024-04-08 📅 创建时间 2017-12-23
184
glmark2/glmark2

glmark2 是一个 OpenGL 2.0 和 ES 2.0 基准测试工具。

glmark2
⭐ 530 C 👤 glmark2 Organization 🕐 已更新 2025-09-29 📅 创建时间 2014-02-11
185
v8/web-tooling-benchmark

用于常见Web开发工作负载的JavaScript基准测试

v8
⭐ 526 JavaScript 👤 v8 Organization 🕐 已更新 2026-06-08 📅 创建时间 2017-10-18
186
GraphRAG-Bench/GraphRAG-Benchmark

用于评估 GraphRAG 模型的 GraphRAG-Bench 官方代码仓库。《何时在 RAG 中使用图:图检索增强生成的综合分析》。(ICLR'26)

GraphRAG-Bench
⭐ 525 Python 👤 GraphRAG-Bench User 🕐 已更新 2026-06-07 📅 创建时间 2025-06-09
187
THUDM/LongCite

LongCite: 实现 LLM 在长上下文问答中生成细粒度引用的能力

THUDM
⭐ 516 Python 👤 THUDM Organization 🕐 已更新 2024-12-31 📅 创建时间 2024-08-31
188
bigcode-project/bigcodebench

[ICLR'25] BigCodeBench:迈向 AGI 的代码生成基准测试

bigcode-project
⭐ 515 Python 👤 bigcode-project Organization 🕐 已更新 2026-01-03 📅 创建时间 2024-04-29
189
basveeling/pcam

PatchCamelyon (PCam) 深度学习分类基准.

basveeling
⭐ 514 Python 👤 basveeling User 🕐 已更新 2024-01-31 📅 创建时间 2018-05-28
190
alexklwong/awesome-state-of-depth-completion

有监督和无监督深度补全方法的现状

alexklwong
⭐ 513 👤 alexklwong User 🕐 已更新 2025-03-16 📅 创建时间 2020-03-10
191
Chengjun023/agent-smith

Token 超支?快给史密斯打电话!Better Call Smith。自适应模型路由、通透雅致的 Codex 使用量监控器,以及附有凭据、可复现的基准测试。

Chengjun023
⭐ 510 Python 👤 Chengjun023 User 🕐 已更新 2026-10-01 📅 创建时间 2026-09-30
192
agent-next/polymarket-paper-trader

Polymarket 模拟交易工具

agent-next
⭐ 509 Python 👤 agent-next Organization 🕐 已更新 2026-11-01 📅 创建时间 2026-03-01
193
SeekingDream/Static-to-Dynamic-LLMEval

论文《Recent advances in large language model benchmarks against data contamination: From static to dynamic evaluation》的官方 GitHub 仓库

SeekingDream
⭐ 500 👤 SeekingDream User 🕐 已更新 2026-09-28 📅 创建时间 2025-02-21