benchmark

[ICML 2026] Kho mã nguồn chính thức của RoboTwin 2.0

Các lỗ hổng phổ biến và mã bảo mật trong Java web dựa trên Spring Boot và Spring Security

CPU-X là phần mềm tự do thu thập thông tin về CPU, bo mạch chủ và nhiều thông tin khác

Tsung là một framework kiểm thử hiệu năng cao cho nhiều giao thức khác nhau bao gồm HTTP, XMPP, LDAP, v.v.

Một bộ khung được tối ưu hóa cho các LLM nhỏ hơn

Công cụ đo hiệu năng yêu thương bạn ❤️

[ECCV2024] Video Foundation Models & Data dành cho thấu hiểu đa phương thức

🔎 Một thư viện đo điểm chuẩn đơn giản, nhỏ gọn và nhẹ!

Dự án kiểm tra máy chủ VPS Fusion Monster phiên bản Go, hướng tới việc trở thành dự án kiểm tra máy chủ toàn diện nhất, được viết bằng Go và không có phụ thuộc môi trường.

Một điểm chuẩn dị thể cho Truy xuất thông tin. Dễ sử dụng, đánh giá các mô hình của bạn trên hơn 15 tập dữ liệu IR đa dạng.

Đánh giá chuyển giao tri thức trong học tập robot suốt đời

Cista là một thư viện tuần tự hóa và phản chiếu C++ đơn giản, hiệu năng cao, không sao chép dữ liệu

📰 Các bài báo và blog không thể bỏ qua về Mô hình Ngữ cảnh Dài dựa trên LLM 🔥

:zap: Điểm chuẩn framework web Go

Bản so sánh khách quan giữa nhiều framework cho phép biến đổi ứng dụng web thành ứng dụng desktop.

Bộ công cụ học máy dùng để phân tích cú pháp nhật ký (log parsing) [ICSE'19, DSN'16]

Theo dõi bất kỳ điểm nào (TAP)

τ-Bench: Một bộ benchmark cho tương tác Công cụ-Tác nhân-Người dùng trong các miền thực tế

Thử nghiệm các phương pháp lập trình "Ít chậm hơn" trong C++ 20, C, CUDA, PTX, & Assembly, từ số học & SIMD đến coroutine, ranges, xử lý ngoại lệ, mạng và IO không gian người dùng

Đánh giá khắt khe về mã do LLM tổng hợp - NeurIPS 2023 & COLM 2024

Các mã nguồn triển khai tham khảo cho các benchmark huấn luyện MLPerf®

[CVPR2024 Highlight] VBench - Chúng tôi đánh giá khả năng tạo video

SkillsBench đánh giá mức độ hoạt động của các kỹ năng và hiệu quả sử dụng của các agent.

Tính năng microbenchmarking một header đơn giản, nhanh chóng và chính xác cho C++11/14/17/20

Nhanh chóng tìm ra điểm nghẽn trong Rust - một công cụ phân tích hiệu năng (profiler) duy nhất cho CPU, bộ nhớ, SQL, HTTP, I/O và mã bất đồng bộ.

BEHAVIOR-1K: một nền tảng tăng tốc nghiên cứu AI có hiện thân (Embodied AI). Tham gia Discord của chúng tôi để được hỗ trợ: https://discord.gg/bccR5vGFEx

Các mã nguồn tham chiếu cho các điểm chuẩn suy luận MLPerf®

Trang GitHub chính thức cho bài báo khảo sát "A Survey on Evaluation of Large Language Models".

ADR bảo mật các tác nhân AI doanh nghiệp thông qua khả năng quan sát, chuẩn hóa bảo mật và phát hiện mốiis đe dọa. Được triển khai tại Uber.

:bar_chart: Đánh giá hiệu năng nhiều bộ theo dõi đối tượng (MOT) bằng Python