benchmark

[ICML 2026] RoboTwin 2.0 官方程式碼儲存庫

基於 springboot 與 spring security 的 Java web 常見漏洞與安全程式碼

CPU-X 是一套免費軟體，可收集 CPU、主機板等相關資訊

Tsung 是一個高效能的基準測試框架，支援 HTTP、XMPP、LDAP 等多種協定

針對較小 LLMs 優化的測試框架

熱愛你的效能測試工具 ❤️

[ECCV2024] 用於多模態理解的影片基礎模型與資料

🔎 一個簡單、微小且輕量級的效能基准測試庫！

VPS 融合怪伺服器測評專案 Go 版本，旨在成為最全面的伺服器測評專案，使用 Go 實作，無任何環境相依性。

一個資訊檢索的異質基準測試。簡單易用，可在 15 個以上不同的 IR 資料集上評估您的模型。

終身機器人學習中的知識轉移效能評測

Cista 是一個簡單、高效能、零拷貝的 C++ 序列化與反射函式庫。

📰 關於基於 LLM 的長上下文建模必讀論文與部落格 🔥

:zap: Go web 框架基準測試

對多個允許將網頁應用程式「轉換」為桌面應用程式的框架進行客觀比較。

用於日誌解析的機器學習工具包 [ICSE'19, DSN'16]

追蹤任意點 (TAP)

τ-Bench：真實世界領域中工具-代理-使用者互動的基准測試

在 C++ 20、C、CUDA、PTX 與組合語言中探索「較不慢」的編碼實踐，從數值與 SIMD 到協同程式、範圍、例外處理、網路與使用者空間 IO

LLM 合成程式碼的嚴格評估 - NeurIPS 2023 & COLM 2024

MLPerf® 訓練基準的參考實作

[CVPR2024 Highlight] VBench - 我們評估影片生成

SkillsBench 用於評估技能的運作效果以及 agent 使用技能的效率。

適用於 C++11/14/17/20 的簡單、快速、準確之單標頭檔微基准測試功能

快速找出 Rust 中的效能瓶頸——適用於 CPU、記憶體、SQL、HTTP、I/O 與非同步程式碼的單一效能分析器。

BEHAVIOR-1K：一個加速具身 AI 研究的平台。加入我們的 Discord 以獲得支援：https://discord.gg/bccR5vGFEx

MLPerf® 推理基準測試的參考實作

綜述論文 "A Survey on Evaluation of Large Language Models" 的官方 GitHub 頁面。

ADR 透過可觀測性、安全性基準測試與威脅偵測來保護企業 AI 代理。已部署於 Uber。

:bar_chart: 在 Python 中對多個物件追蹤器 (MOT) 進行效能評測