MLPerf Client

Benchmark de performance de l'IA sur PC

Produit OrdinaireProductivitéTest de performance IABenchmark

MLPerf Client est un nouveau benchmark développé conjointement par MLCommons visant à évaluer les performances des grands modèles de langage (LLM) et d'autres charges de travail IA sur les ordinateurs personnels (ordinateurs portables, ordinateurs de bureau et stations de travail). Ce benchmark, simulant des tâches IA réelles, fournit des indicateurs clairs pour comprendre comment un système gère les charges de travail de l'IA générative. Le groupe de travail MLPerf Client espère que ce benchmark stimulera l'innovation et la compétition, garantissant que les ordinateurs personnels soient à la hauteur des défis de l'avenir piloté par l'IA.

Best AI Websites & Tools

MLPerf Client

MLPerf Client Dernière situation du trafic

MLPerf Client Tendance des visites

MLPerf Client Distribution géographique des visites

MLPerf Client Sources de trafic

MLPerf Client Alternatives

MLPerf Client — Benchmark de performance de l'IA sur PC

Procyon AI Text Generation Benchmark — Outil de test de performance de génération de texte IA

KnowEdit — Benchmark d'édition de connaissances pour l'évaluation des méthodes d'édition de connaissances des grands modèles de langage.

NotaGen — NotaGen est un modèle de génération de musique symbolique, entraîné selon le paradigme des grands modèles de langage, axé sur la génération de partitions classiques de haute qualité.

AoT — Atom of Thoughts (AoT) est un framework permettant d'améliorer les performances d'inférence des grands modèles de langage.

Level-Navi Agent-Recherche — Level-Navi Agent est un framework prêt à l'emploi, sans nécessiter d'entraînement, qui utilise les grands modèles de langage pour une compréhension approfondie des requêtes et une recherche précise.

SWE-RL — Amélioration des capacités de raisonnement des grands modèles de langage dans l'évolution des logiciels open source grâce à l'apprentissage par renforcement

Coding-Tutor — Exploration du potentiel des grands modèles de langage comme outils d'aide à la programmation, et proposition d'un workflow Trace-and-Verify.

ZeroBench — ZeroBench est un benchmark visuel hautement exigeant conçu pour les grands modèles multimodaux contemporains.

MoBA — MoBA est un mécanisme d'attention par blocs mixtes pour les contextes de longs textes, visant à améliorer l'efficacité des grands modèles de langage.

SWE-Lancer — SWE-Lancer est un benchmark contenant plus de 1400 tâches d'ingénierie logicielle open source, pour une valeur totale d'un million de dollars.

Le Dernier Examen de l'Humanité — Le Dernier Examen de l'Humanité est un benchmark multimodale destiné à évaluer les capacités des grands modèles de langage.

Procyon AI Image Generation Benchmark — Outil de benchmark pour mesurer les performances d'inférence des accélérateurs AI des appareils.

Agent Laboratory — Agent Laboratory est un workflow de recherche autonome de bout en bout, conçu pour aider les chercheurs humains à mettre en œuvre leurs idées de recherche.

Sonus-1 — Sonus-1 : une nouvelle ère pour les grands modèles de langage (LLM)

FlagPerf — Plateforme open source de benchmark des performances des puces IA

Évaluation factuelle FACTS — Dernier benchmark pour évaluer la fidélité factuelle des grands modèles linguistiques.

Procyon AI Inference Benchmark pour Android — Outil de référence pour mesurer les performances et la qualité de l'IA sur les appareils Android

P-MMEval — Benchmark multilingue et multitâche pour l'évaluation des grands modèles de langage (LLM)

Star-Attention — Technique d'inférence efficace pour les grands modèles de langage sur des séquences longues

WorkflowLLM — Cadre basé sur les données, améliorant les capacités d'orchestration des workflows pour les grands modèles de langage.

Agora — Protocole de communication interplateforme permettant une communication efficace entre différents grands modèles de langage (LLM).

O1-Journey — O1复制之旅：战略进展报告第一部分

PARTNR — Benchmark de planification et de raisonnement multi-agents

SELA — SELA améliore l'apprentissage automatique automatisé (AutoML) en combinant la recherche par arbre de Monte-Carlo et des agents basés sur les grands modèles de langage (LLM).

SimpleQA — Benchmark d'évaluation des capacités d'un modèle linguistique à répondre à des questions factuelles.

BitNet — Un framework d'inférence pour les grands modèles de langage binaires (LLM)

AutoDAN-Turbo — Un cadre automatisé qui surmonte les limites des grands modèles de langage

Évaluation des biais dans les benchmarks des LLM — Projet de recherche explorant la tricherie dans les benchmarks automatiques des modèles linguistiques.

MLE-bench — Benchmark d'évaluation des agents IA pour les capacités d'ingénierie d'apprentissage automatique