antins-labs/VisSearch-Bench-v1
Recurso
¿Es de fiar?
Ten cuidado con este.
Estrellas de cuentas reales Sin datos
Todavía no hemos comprobado si sus estrellas son falsas.
Activo Bien
Último cambio hace 10 días.
Licencia Cuidado
Sin licencia: legalmente no puedes reutilizar el código, salvo que el README diga otra cosa.
Comprobaciones rápidas con datos públicos. Ayudan, pero no son una garantía.
Qué es
Un benchmark de 204 tareas redactadas por personas para evaluar cómo los agentes multimodales mantienen el seguimiento de la evidencia visual en secuencias largas de búsqueda visual. Incluye el cargador del conjunto de datos, respuestas de referencia, soluciones de referencia y…
Para quién es
Investigadores y desarrolladores que evalúan agentes multimodales en tareas de búsqueda visual de horizonte largo
Cómo usarlo
Instalación
pip install datasetsSacado de su README. Compruébalo allí antes de ejecutarlo.
Pide a tu IA que lo instale
Pega esto en Claude, ChatGPT o tu asistente de programación.
Ayúdame a instalar y configurar antins-labs/VisSearch-Bench-v1 en mi proyecto. Sigue su README: https://github.com/antins-labs/VisSearch-Bench-v1. Explícame cada paso y comprueba que es seguro antes de ejecutar nada.
Curva de estrellas
Recibe alertas de repos como este
Te escribimos cuando algo de Modelos e inferencia empiece a subir. Gratis, una vez por semana, solo lo que encaja.
Qué te llega: un email los lunes con los repos que encajan, nunca más. Mira el de la semana pasada. Privacidad
Para quien mantiene el repo
Pon esta insignia en tu README. Muestra el puesto del repo en el radar, se actualiza cada hora y enlaza a esta página.
[](https://repoalerts.com/repo/antins-labs/VisSearch-Bench-v1?ref=badge)Repos parecidos
- NineAbyss/OR-License
Un banco de pruebas de 31 tareas de investigación operativa para evaluar agentes basados en LLM. Los agentes consultan un simulador interactivo de información empresarial, escriben programas de optimi
- facebookresearch/swe-sweep
Un benchmark que mide cuántos errores pueden encontrar y corregir los modelos de lenguaje y los agentes en repositorios reales de gran tamaño. Los agentes no reciben pistas sobre el tipo de error ni s
- apple-aiml-research/ml-rsi-inference-bench
Un banco de pruebas de horizonte largo para agentes de programación que mejoran la pila de inferencia de modelos de lenguaje grandes en vLLM o SGLang. Las tareas abarcan dar soporte a un modelo el día
- StartLuxLabs/DecisionPivot
Un banco de pruebas diagnóstico para modelos de decisión en sistemas basados en LLM. Incluye 13 familias de tareas generadas por programa, con pares de contraste que difieren en un único detalle decis
- TIGER-AI-Lab/WebsiteBench
Un benchmark en el que agentes de IA exploran un sitio web de producción a través de un navegador y deben reconstruir una versión full-stack que coincida con su apariencia y comportamiento. Incluye 70
- QwenLM/BlenderWorld
Banco de pruebas para evaluar agentes visuales en tareas de creación 3D en Blender, construido a partir de referencias reales como texto, imágenes y vídeo. Los agentes entregan un proyecto de Blender