RepoAlerts

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 datasets

Sacado 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

163De 0 a 163 estrellas entre el 3 nov 2026 y el 17 nov 2026.

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.

[![antins-labs/VisSearch-Bench-v1 on RepoAlerts](https://repoalerts.com/badge/antins-labs/VisSearch-Bench-v1.svg)](https://repoalerts.com/repo/antins-labs/VisSearch-Bench-v1?ref=badge)
Compartir en X

  • 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

    RecursoAgentes de IAPython · 205 estrellas · +41 esta semana · 33 días

  • 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

    Agentes de IAPython · 243 estrellas · +17 esta semana · 47 días

  • 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

    Agentes de IAPython · 167 estrellas · +24 esta semana · 32 días

  • 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

    RecursoModelos e inferenciaPython · 154 estrellas · 34 días

  • 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

    RecursoAgentes de IAPython · 494 estrellas · +313 esta semana · 13 días

  • 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

    RecursoAgentes de IAPython · 332 estrellas · +8 esta semana · 34 días