按标签浏览
# 基准测试 / Benchmarking(8)
全部 56845
基准测试 8
内容创作 1182
企业运营 1108
知识管理 951
数据分析 857
AI Agent 592
生活服务 573
合规校验 474
代码评审 468
政策核验 381
浏览器自动化 315
教育学习 313
任务拆解 310
会议纪要 305
竞品分析 260
办公效率 258
微信公众号 253
命令行工具 239
提示词工程 231
技术方案 224
用药指导 199
代码审查 191
Rube MCP 188
文档处理 185
开发编程 185
图像生成 184
调试排错 182
数据可视化 176
任务规划 175
设计系统 168
去AI味 162
检查清单 162
人力资源 160
AI Hive 158
设计多媒体 156
薪酬计算 155
海外运营 155
API 集成 151
视频生成 147
工资条 141
根因分析 138
文生图 134
MCP 134
合规审查 132
IT 运维 131
短视频脚本 128
REST API 127
方案对比 127
OpenClaw 126
社保公积金 123
合同审查 121
结构化输出 121
办公自动化 120
安全审计 119
大模型技能 119
电商运营 115
文生视频 114
内容合规 114
WorkBuddy 112
电商主图 110
API 设计 107
💻
LM 评估测试框架
@user_ef9e183a/mlops-evaluation-lm-evaluation-harness
用于评测大语言模型的基准测试工具,内置 MMLU、GSM8K 等主流数据集,可量化模型质量与学术表现。
开发编程
2026.08.29
↓ 141
💻
浏览器代理基准测试套件
@user_3c6cb52e/benchmark-browser-agents-on-a-fixed-stealth-and-task-suite-with-browser-use-benchmark
在固定隐身模式与任务套件上对浏览器代理进行基准测试,对比不同代理的可靠性与一致性。
开发编程
2026.08.29
↓ 137
💻
OpenClaw 编码代理基准测试
@user_3c6cb52e/benchmark-openclaw-coding-agents-against-repeatable-real-tasks-before-rollout-with-pinchbench
在部署前使用 PinchBench 对 OpenClaw 编码代理进行可重复的真实任务基准测试,确保变更不影响生产流程。
开发编程
2026.08.29
↓ 127
💻
Hyperfine 命令行基准测试工具
@user_3c6cb52e/hyperfine-command-line-benchmarking-tool
Hyperfine 以统计严谨性对命令行程序做基准测试,支持预热运行、离群值剔除、参数化对比,并可导出 JSON、CSV 或 Markdown 结果。
开发编程
2026.08.29
↓ 121
📊
TR 基准评测
@user_741f4977/tr-benchmark
user_741f4977 在 SkillHub 发布的大模型技能 tr-benchmark,分类为数据分析。
数据分析
2026.08.29
↓ 43
智能体长期记忆评测台
@user_8a3569c1/memory-bench
面向大模型智能体的长期记忆能力评测与基准测试工作台。
AI Agent
2026.08.30
↓ 38
💻
Go 基准测试与性能度量
@org-eyw2ohcx/samber-cc-skills-golang-golang-benchmark
从编写基准、`benchstat` 统计对比到 pprof 剖析与 CI 回归检测,覆盖 Go 性能度量的完整工作流。
开发编程
2026.08.30
↓ 33
测一测
@user_57f71de6/skill-creator-v2
用于创建并迭代优化 Agent 技能,支持测试用例、评估断言、基准汇总和结果审阅。
AI Agent
2026.08.30
↓ 1396