apple-aiml-research/ml-rsi-inference-bench
¿Es de fiar?
Ten cuidado con este.
Avisos Revisa
Muy nuevo: se creó hace 4 días. Espera un poco antes de instalarlo.
Estrellas de cuentas reales Sin datos
Todavía no hemos comprobado si sus estrellas son falsas.
Activo Bien
Último cambio hace 4 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 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 0, optimizarlo tras su lanzamiento y corregir regresiones. Los agentes…
Para quién es
Investigadores e ingenieros que evalúan agentes de programación en optimización de motores de inferencia de LLM y corrección de regresiones
Cómo usarlo
Pide a tu IA que lo instale
Pega esto en Claude, ChatGPT o tu asistente de programación.
Ayúdame a instalar y configurar apple-aiml-research/ml-rsi-inference-bench en mi proyecto. Sigue su README: https://github.com/apple-aiml-research/ml-rsi-inference-bench. Explícame cada paso y comprueba que es seguro antes de ejecutar nada.
Curva de estrellas
Alternativas
Proyectos parecidos que cita su ficha. Cada enlace busca en el directorio.
Recibe alertas de repos como este
Te escribimos cuando algo de Agentes de IA empiece a subir. Gratis, una vez por semana, solo lo que encaja.
18.268 repos de GitHub vigilados y ordenados cada hora. Cifras a 20 de octubre de 2026.
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/apple-aiml-research/ml-rsi-inference-bench?ref=badge)Repos parecidos
- prabanta-dev/janas
Un motor de inferencia escrito en C para ejecutar modelos de lenguaje grandes de tipo mezcla de expertos en computadoras corrientes, con o sin GPU. Los pesos permanecen en disco, y los expertos que ne
- 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
- MemTensor/MemT-1.0
Familia de modelos de investigación, MemT-1.0, que añade bloques de memoria nativa entrenables junto a la atención del transformador para que los modelos conserven información histórica entre turnos s
- Gen-Verse/RSI-Anything
Un marco de propósito general que usa predicciones de modelos del mundo y retroalimentación de la interacción en un ciclo de proponer acciones candidatas, predecir sus resultados, seleccionar y evalua
- StartLuxLabs/StartLux-Decision
Modelos abiertos de decisión, de 0,8B a 27B parámetros, que devuelven una probabilidad calibrada para cada opción de cada pregunta tipada (elección, sí o no, o nivel en una escala) en una sola pasada,
- Tencent-Hunyuan/Hy-Memory
SDK de Python y motor de memoria para agentes basados en LLM con tres escenas: memoria jerárquica a largo plazo para chat, memoria de hechos y experiencias para tareas de trabajo, y seguimiento de ver