benchmark

[ICML 2026] RoboTwin 2.0 官方代码仓库

基于 springboot 与 spring security 的 Java web 常见漏洞与安全代码

CPU-X 是一套免费软件，可收集 CPU、主板等相关信息

Tsung 是一个高性能的基准测试框架，支持 HTTP、XMPP、LDAP 等多种协议

针对较小 LLMs 优化的测试框架

热爱你的性能测试工具 ❤️

[ECCV2024] 用于多模态理解的视频基础模型与数据

🔎 一个简单、微小且轻量级的性能基准测试库！

VPS 融合怪服务器测评项目 GO 版本，旨在成为最全面的服务器测评项目，使用 Go 实现，无需任何环境依赖。

一个信息检索的异构基准测试。简单易用，可在 15 个以上不同的 IR 数据集上评估您的模型。

终身机器人学习中的知识迁移性能评测

Cista 是一个简单、高性能、零拷贝的 C++ 序列化与反射库。

📰 关于基于 LLM 的长上下文建模必读论文与博客 🔥

:zap: Go web 框架基准测试

对多个允许将网页应用程序“转换”为桌面应用程序的框架进行客观比较。

用于日志解析的机器学习工具包 [ICSE'19, DSN'16]

追踪任意点 (TAP)

τ-Bench：真实世界领域中工具-代理-用户交互的基准测试

在 C++ 20、C、CUDA、PTX 与汇编语言中探索“较不慢”的编码实践，从数值与 SIMD 到协程、范围、异常处理、网络与用户空间 IO

LLM 合成代码的严格评估 - NeurIPS 2023 & COLM 2024

MLPerf® 训练基准的参考实现

[CVPR2024 Highlight] VBench - 我们评估视频生成

SkillsBench 用于评估技能的运作效果以及 agent 使用技能的效率。

适用于 C++11/14/17/20 的简单、快速、精确的单头文件微基准测试功能

快速找出 Rust 中的性能瓶颈——适用于 CPU、内存、SQL、HTTP、I/O 与异步代码的单一性能分析器。

BEHAVIOR-1K：一个加速具身 AI 研究的平台。加入我们的 Discord 以获得支持：https://discord.gg/bccR5vGFEx

MLPerf® 推理基准测试的参考实现

综述论文 "A Survey on Evaluation of Large Language Models" 的官方 GitHub 页面。

ADR 通过可观测性、安全性基准测试与威胁检测来保护企业 AI 代理。已部署于 Uber。

:bar_chart: 在 Python 中对多个对象跟踪器 (MOT) 进行性能评测