benchmark

Kumpulan kode deteksi dan lokalisasi objek berbasis titik dan berukuran kecil dari UCAS-VG

Tolok ukur faktualitas bentuk panjang dalam model bahasa besar. Kode asli untuk makalah kami "Long-form factuality in large language models".

Kerangka kerja benchmarking untuk bahasa Julia.

Repositori ini berisi kode untuk "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026], dan "MMEB-V3" [COLM 2026]

Benchmark open-source untuk AI agent browser pada tugas sehari-hari.

Toolbox dan tolok ukur pembelajaran representasi visual CAIRI yang diawasi, semi-diawasi, dan mandiri

Awesome-LLM-Eval: Daftar kurasi alat, dataset/benchmark, demo, papan peringkat, makalah, dokumen, dan model, terutama untuk evaluasi LLM.

BenchMARL adalah pustaka untuk pengujian <i>benchmark</i> Multi-Agent Reinforcement Learning (MARL). BenchMARL memungkinkan perbandingan cepat antara berbagai algoritma, tugas, dan model MARL dengan tetap berlandaskan pada dua prinsip inti: reproduksibilitas dan standarisasi.

Benchmark pemrosesan bahasa alami berskala besar pertama untuk Bahasa Indonesia. Kami menyediakan berbagai tugas hilir, model IndoBERT pra-latih, dan kode awal! (AACL-IJCNLP 2020)

Repositori dataset menarik yang saya kumpulkan untuk penelitian ilmu jaringan dan machine learning.

A.S.E (AICGSecEval) adalah tolok ukur evaluasi keamanan kode yang dihasilkan AI tingkat repositori yang dikembangkan oleh Tim Keamanan Kode Tencent Wukong.

Toolkit benchmarking multiplatform Kotlin

[ICML 2024] TrustLLM: Kepercayaan dalam Model Bahasa Besar (LLM)

AgentLab: Kerangka kerja open-source untuk mengembangkan, menguji, dan membandingkan web agent pada berbagai tugas, dirancang untuk skalabilitas dan reproduksibilitas.

Tolok ukur Federated Learning - Federated Learning pada Silo Data Non-IID: Studi Eksperimental (ICDE 2022)

Matcher pengujian performa untuk RSpec

Benchmark Klasifikasi Teks di PyTorch

📖 Tolok ukur NLU bahasa Korea

Jaringan global probe untuk menjalankan pengujian jaringan seperti ping, traceroute, dan resolusi DNS

Pelacakan Objek Visual

Open-source infrastructure that turns scattered SKILL.md files into curated, retrieval-ready agent-skill corpora—with retrieval and evaluation tooling included.

Alat benchmark framework HTTP yang lebih modern dengan dukungan untuk HTTP/1 dan HTTP/2.

CL-bench: Benchmark untuk Context Learning

ParseBench - Tolok Ukur Penguraian Dokumen untuk AI Agent

Pustaka serialisasi yang ditulis dalam C++17 - Mengemas struktur C++ ke dalam susunan byte ringkas tanpa makro atau kode boilerplate

Perbandingan performa sederhana dari beberapa bahasa pemrograman (JavaScript, Kotlin, Rust, Swift, Nim, Python, Go, Haskell, D, C++, Java, C#, Object Pascal, Ada, Lua, Ruby)

SpeechIO Leaderboard: platform benchmarking yang besar, kuat, komprehensif untuk Automatic Speech Recognition.

Meta Agents Research Environments adalah platform komprehensif yang dirancang untuk mengevaluasi agen AI dalam skenario yang dinamis dan realistis. Tidak seperti tolok ukur statis, platform ini memperkenalkan lingkungan yang terus berkembang di mana agen harus menyesuaikan strategi mereka saat informasi baru tersedia, mencerminkan tantangan di dunia nyata.

Dataset dan tolok ukur untuk RAG pada dokumen internal perusahaan.

Kerangka kerja pengujian dan benchmarking performa untuk aplikasi .NET :chart_with_upwards_trend: