benchmark

ストリートファイター3で戦わせて LLM をベンチマーク！LLM の品質を評価する新しい方法

コードのベンチマーク測定用pytestフィクスチャ。

Rust プロジェクト向けの高速でシンプルなベンチマークツール

[pip install medmnist] 2Dおよび3Dの生物医学画像分類向けの18個の標準化されたデータセット

C# 式ツリー用の高速コンパイラおよび軽量な代替である LightExpression。式のための診断・コード生成ツール。

SMAC: StarCraftマルチエージェントチャレンジ

PyTorchによるモジュール式深層強化学習フレームワーク。書籍「Foundations of Deep Reinforcement Learning」の補助ライブラリ。

System-2 推論に関する最新の進展

[NeurIPS '25] あらゆるテキストからの知識グラフ生成

パフォーマンスを維持するための継続的ベンチマーク用GitHub Action

Golang で書かれた、locust 向けのより優れた負荷ジェネレーター。

LongBench v2 および LongBench (ACL 25'&24')

KernelBench: LLMはGPUカーネルを書けるか？ - ベンチマーク ＋ Torch -> CUDA（その他DSL含む）対応ツールキット

PDEBench: 科学的機械学習のための包括的なベンチマーク

Linuxサーバーのベンチマークスクリプト集

交通制御における強化学習のための計算フレームワーク

ベクトルデータベース向けのベンチマークです。

JMLR: SafeRLの研究を加速させるためのインフラストラクチャフレームワーク「OmniSafe」

OpenSTL: 時空間予測学習の包括的なベンチマーク

高速な素数ジェネレーター

ClickBench: 分析データベース向けベンチマーク

lzbench はオープンソースの圧縮アルゴリズムを対象としたインメモリベンチマークツールです

NoSQL Redis および Memcache のトラフィック生成・ベンチマークツール

OpenCV DNN 用のモデル動物園とベンチマーク

PyTorch のパフォーマンスを評価するために使用されるオープンソースベンチマークのコレクション。

Pythonパフォーマンスベンチマークスイート

DeepSeek V4 × J-Space 能力実現レポート — J-Space が DeepSeek V4 (Flash/Pro) における能力実現の損失を軽減することを示すベンチマーク証拠。

「ADBench: Anomaly Detection Benchmark」(NeurIPS 2022)の公式実装

Airspeed Velocity: Web ベースのレポート機能を備えたシンプルな Python ベンチマークツール

Molecular Sets (MOSES): 分子生成モデルのためのベンチマークプラットフォーム