benchmark

Bộ công cụ ước tính độ sâu đơn mắt dựa trên MMSegmentation.

BlazeHTTP là một công cụ kiểm tra hiệu quả bảo vệ WAF đơn giản và dễ sử dụng.

Các benchmark gRPC khác nhau

Một HTTP Server hiệu suất cao cho Ruby

Thư viện benchmark CUDA Kernel

Đo lường hiệu năng của Amazon S3 từ bất kỳ vị trí nào.

Một thư viện PyTorch dành cho mọi khía cạnh của Học tăng cường (RL) trong Tối ưu hóa tổ hợp (CO).

🐰 Bencher - Kiểm thử hiệu năng liên tục

Ứng dụng kiểm tra tốc độ/đánh giá hiệu năng lưu trữ (HDD, SSD, RAM) trên Windows, macOS và Android

Thư viện/Framework tạo Benchmark cho C++

Trí tuệ tự nhiên vẫn là một ý tưởng khá hay.

[NeurIPS 2025 Spotlight] OpenCUA: Nền tảng mở cho các tác nhân sử dụng máy tính (Computer-Use Agents).

📊 So sánh hiệu năng các gói có hỗ trợ xác thực thời gian chạy và TypeScript

DeepResearch Bench: Bộ benchmark toàn diện cho các tác nhân nghiên cứu chuyên sâu

ClawProBench là một bộ công cụ đánh giá trực tiếp dành cho các tác nhân LLM trong môi trường thực thi OpenClaw với khả năng chấm điểm xác định và độ tin cậy qua các lần thử nghiệm lặp lại.

Công cụ đo điểm chuẩn S3

Môi trường động để đánh giá các cuộc tấn công và phòng thủ cho các tác nhân LLM.

Một bản triển khai khác của trò chơi đánh giá hiệu năng ngôn ngữ lập trình

"Không tin tưởng bất cứ ai, hãy đo lường mọi thứ." - Plugin sbt cho JMH (Java Microbenchmark Harness)

MobileGym: Nền tảng mô phỏng có thể kiểm chứng và song song hóa cao cho nghiên cứu tác nhân GUI di động · Trình mô phỏng Android chạy trên trình duyệt · Đánh giá có thể kiểm chứng · Đào tạo RL trực tuyến có khả năng mở rộng

HammerDB: Tiêu chuẩn công nghiệp về kiểm chuẩn cơ sở dữ liệu mã nguồn mở

RobustBench: chuẩn đánh giá độ bền đối kháng [NeurIPS 2021 Benchmarks and Datasets Track]

Dễ dàng theo dõi hiệu năng ThreeJS của bạn.

Một bộ tiêu chuẩn đánh giá tác nhân (agent) với các tác vụ trong một công ty phần mềm mô phỏng.

Công cụ kiểm thử áp lực HTTP bằng golang, hỗ trợ đơn lẻ và phân tán, http/1, http/2 và http/3.

[EMNLP 2024 & AAAI 2026] Bộ công cụ mạnh mẽ để nén các mô hình lớn bao gồm LLM, VLM và các mô hình tạo video

Một bộ benchmark khác cho một số framework Python

Điểm chuẩn thô về thông lượng, độ trễ và truyền tải của Hello World trên các framework microservices phổ biến

Khung đo lường hiệu năng blockchain để đánh giá hiệu suất của nhiều giải pháp blockchain khác nhau https://wiki.hyperledger.org/display/caliper

Các mô hình Frontier chơi trò chơi board game Diplomacy.