benchmark

[ICML 2026] Repositorio de código oficial de RoboTwin 2.0

Vulnerabilidades comunes web en Java y código de seguridad basado en Spring Boot y Spring Security

CPU-X es un software libre que recopila información sobre la CPU, la placa base y más.

Tsung es un marco de benchmarking de alto rendimiento para varios protocolos, incluidos HTTP, XMPP, LDAP, etc.

Un arnés optimizado para LLMs más pequeños

Herramienta de pruebas de rendimiento que te quiere ❤️

[ECCV2024] Modelos base de video y datos para comprensión multimodal

🔎 Una biblioteca de benchmarking simple, diminuta y ligera

Versión en Go del proyecto de pruebas de servidores VPS Fusion Monster. Su objetivo es ser el proyecto de pruebas de servidores más completo, implementado en Go y sin dependencias de entorno.

Un benchmark heterogéneo para recuperación de información. Fácil de usar, evalúa tus modelos en más de 15 conjuntos de datos de IR diversos.

Evaluación comparativa de transferencia de conocimiento en el aprendizaje robótico continuo

Cista es una biblioteca de serialización y reflexión en C++ simple, de alto rendimiento y sin copia (zero-copy).

📰 Artículos y blogs de lectura imprescindible sobre modelado de contexto largo basado en LLM 🔥

Benchmark de frameworks web en Go

Una comparación objetiva de varios frameworks que nos permiten "transformar" nuestras aplicaciones web en aplicaciones de escritorio.

Un conjunto de herramientas de machine learning para el análisis de logs [ICSE'19, DSN'16]

Rastreo de cualquier punto (TAP)

τ-Bench: Un benchmark para la interacción entre herramienta, agente y usuario en dominios del mundo real

Exploración de prácticas de codificación "menos lentas" en C++ 20, C, CUDA, PTX y ensamblador, desde numerics y SIMD hasta corrutinas, rangos, manejo de excepciones, redes y E/S en espacio de usuario.

Evaluación rigurosa de código sintetizado por LLM - NeurIPS 2023 y COLM 2024

Implementaciones de referencia de los benchmarks de entrenamiento de MLPerf®.

[CVPR2024 Highlight] VBench: Evaluamos la generación de video

SkillsBench evalúa qué tan bien funcionan las habilidades y qué tan efectivos son los agentes al utilizarlas.

Funcionalidad de microbenchmarking simple, rápida y precisa de cabecera única para C++11/14/17/20

Encuentra rápidamente cuellos de botella en Rust: un profiler para CPU, memoria, SQL, HTTP, E/S y código asíncrono.

BEHAVIOR-1K: una plataforma para acelerar la investigación en IA incorporada.

Implementaciones de referencia para los benchmarks de inferencia de MLPerf®.

La página oficial de GitHub para el artículo de revisión "A Survey on Evaluation of Large Language Models".

ADR asegura agentes de IA empresariales mediante observabilidad, evaluación comparativa de seguridad y detección de amenazas. Implementado en Uber.

:bar_chart: Evalúa múltiples rastreadores de objetos (MOT) en Python