benchmark

Évaluez les LLM en les faisant combattre dans Street Fighter 3 ! La nouvelle façon d'évaluer la qualité d'un LLM

Fixture pytest pour l'analyse comparative de code

Benchmarking rapide et simple pour les projets Rust.

[pip install medmnist] 18 jeux de données standardisés pour la classification d'images biomédicales 2D et 3D.

Compilateur rapide pour les arbres d'expression C# et alternative légère LightExpression. Outils de diagnostic et de génération de code pour les expressions.

SMAC : Le défi multi-agents StarCraft.

Framework modulaire d'apprentissage par renforcement profond en PyTorch. Bibliothèque compagnon du livre "Foundations of Deep Reinforcement Learning".

Dernières avancées sur le raisonnement de type System-2.

[NeurIPS '25] Génération de graphes de connaissances à partir de n'importe quel texte

GitHub Action pour le benchmarking continu afin de maintenir les performances.

Un meilleur générateur de charge pour locust, écrit en golang.

LongBench v2 et LongBench (ACL 25' et 24')

KernelBench : Les LLM peuvent-ils écrire des noyaux GPU ? - Benchmark et boîte à outils avec Torch vers CUDA (et autres DSL)

PDEBench : un benchmark complet pour l'apprentissage automatique scientifique

Compilation de scripts de benchmarking pour serveurs Linux.

Cadre de calcul pour l'apprentissage par renforcement dans le contrôle du trafic

Benchmark pour bases de données vectorielles.

JMLR : OmniSafe est un framework infrastructurel destiné à accélérer la recherche en SafeRL.

OpenSTL : un benchmark complet de l'apprentissage prédictif spatio-temporel

Générateur rapide de nombres premiers

ClickBench : un benchmark pour les bases de données analytiques

lzbench est un benchmark en mémoire de compresseurs open-source

Outil de génération de trafic et de benchmarking pour NoSQL, Redis et Memcache.

Zoo de modèles et benchmarks pour OpenCV DNN.

TorchBench est une collection de benchmarks open source utilisés pour évaluer les performances de PyTorch.

Suite de tests de performance pour Python

Rapport de réalisation des capacités DeepSeek V4 × J-Space — preuve par benchmark que J-Space réduit la perte de réalisation des capacités sur DeepSeek V4.

Implémentation officielle de "ADBench: Anomaly Detection Benchmark", NeurIPS 2022.

Airspeed Velocity : Un outil de benchmarking Python simple avec rapports sur le web

Molecular Sets (MOSES) : une plateforme d'évaluation pour les modèles de génération moléculaire