benchmark

透過遊玩《快打旋風 3》來對 LLM 進行基準測試！評估 LLM 品質的新方法

用於程式碼效能評測的 pytest fixture

適用於 Rust 專案的快速且簡單的效能評測工具

[pip install medmnist] 用於 2D 與 3D 生物醫學影像分類的 18 個標準化資料集

C# Expression Trees 的快速編譯器與輕量級 LightExpression 替代方案。包含表達式的診斷與程式碼生成工具。

SMAC：星海爭霸多代理人挑戰賽

基於 PyTorch 的模組化深度強化學習框架。《Foundations of Deep Reinforcement Learning》一書的配套函式庫。

System-2 推理的最新進展

[NeurIPS '25] 從任意文字產生知識圖譜

用於持續基準測試以維持效能的 GitHub Action

使用 golang 編寫的更好用的 locust 負載產生器。

LongBench v2 與 LongBench (ACL 25'&24')

KernelBench：LLMs 能寫出 GPU Kernels 嗎？ - 基準測試 + 包含 Torch -> CUDA（以及更多 DSL）的工具包

PDEBench：用於科學機器學習的廣泛基準測試集

Linux 伺服器效能評測腳本合集。

用於交通控制中強化學習的運算框架

向量資料庫效能評測基準

JMLR：OmniSafe 是用於加速 SafeRL 研究的基礎設施框架。

OpenSTL：時空預測學習的綜合基準測試

🚀 快速質數產生器

ClickBench：分析型資料庫的基準測試工具

lzbench 是一個開源壓縮器的記憶體效能測試工具

NoSQL Redis 與 Memcache 流量生成與效能評測工具。

用於 OpenCV DNN 的模型庫與效能評測

TorchBench 是一個用於評估 PyTorch 效能的開源效能測試集合。

Python 效能效能基準測試套件

NeurIPS 2022「ADBench: Anomaly Detection Benchmark」官方實作。

DeepSeek V4 × J-Space 能力實現報告 — 基準測試證據顯示 J-Space 降低了 DeepSeek V4 (Flash/Pro) 的能力實現損失。

Airspeed Velocity：一個簡單的 Python 效能評測工具，具備網頁版報告功能。

分子集合（MOSES）：分子生成模型的基準測試平台