Propietario

TIGER-AI-Lab

12 repositorios indexados · Ver en GitHub

OpenResearcher
OpenResearcher: A Fully Open Pipeline for Long-Horizon Deep Research Trajectory Synthesis

Python · 1245 estrellas
verl-tool
A version of verl to support diverse tool use [TMLR 2026]

Python · 1041 estrellas
ClawBench
Open-source benchmark for browser AI agents on daily tasks.

Python · 795 estrellas
VLM2Vec
This repo contains the code for "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026], and "MMEB-V3" [COLM 2026]

Python · 684 estrellas
ScholarCopilot
ScholarCopilot: Training Large Language Models for Academic Writing with Accurate Citations [COLM 2025]

Python · 252 estrellas
EditReward
EditReward: A Human-Aligned Reward Model for Instruction-Guided Image Editing [ICLR 2026]

Python · 160 estrellas
Context-Forcing
Context Forcing: Consistent Autoregressive Video Generation with Long Context [ICML26]

Python · 119 estrellas
RationalRewards
RationalRewards: a reasoning reward model for diffusion RL and test-time prompt tuning

Python · 61 estrellas
VideoScore2
Automatic Metric for Evaluating Generated Videos

Python · 58 estrellas
RewardHarness
Self-evolving agentic reward framework for image-editing evaluation — 47.4% on EditReward-Bench from only 100 preference demos, no reward...

Python · 54 estrellas
StructEval
Evaluating LLMs' abilities to generate structural output [TMLR2025]

Python · 23 estrellas
FIM-Midtraining

Python · 20 estrellas

Para principiantes Todo

Abierto Todos

سرچ در خصوص عنوان رساله دکتری Abierto

Dificultad 5/5 Más de una semana Aptitud para principiantes 10/100

TIGER-AI-Lab/OpenResearcher#11 · 1 comentario · Abierto el 23/9/2026
judge_context.gold_answer is read by the answer judge and documented, but task.schema.json rejects it Abierto

Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100

TIGER-AI-Lab/ClawBench#380 · Abierto el 23/9/2026
Optional EvalPort export for StructEval's key_validation_score / render pipeline results Abierto

Dificultad 5/5 Más de una semana Aptitud para principiantes 30/100

TIGER-AI-Lab/StructEval#8 · Abierto el 22/9/2026
Proposal: isolated environmental-observation-retrieval suite with 12 distinct tasks Abierto

enhancement

Dificultad 5/5 Más de una semana Aptitud para principiantes 30/100

TIGER-AI-Lab/ClawBench#375 · 2 comentarios · Abierto el 14/9/2026
publicity: audit existing outreach PRs and make featured-in claims traceable Abierto

enhancement

Dificultad 4/5 3-5 días Aptitud para principiantes 52/100

TIGER-AI-Lab/ClawBench#372 · Abierto el 13/9/2026
publicity: prepare a reproducible next-release demo and bilingual announcement kit Abierto

enhancement

Dificultad 4/5 3-5 días Aptitud para principiantes 55/100

TIGER-AI-Lab/ClawBench#371 · Abierto el 13/9/2026
publicity: turn the model leaderboard call-to-action into an evidence-based submission guide Abierto

enhancement

Dificultad 3/5 1-2 días Aptitud para principiantes 72/100

TIGER-AI-Lab/ClawBench#370 · Abierto el 13/9/2026
Next release: data safety, scoring correctness, recovery and package validation checklist Abierto

enhancement

Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100

TIGER-AI-Lab/ClawBench#366 · 3 comentarios · Abierto el 13/9/2026
[P2] CI: runtime-server changes select zero downstream harness image builds Abierto

bug

Dificultad 3/5 1-2 días Aptitud para principiantes 74/100

TIGER-AI-Lab/ClawBench#365 · Abierto el 13/9/2026
[P2] rescore: truncated judge cache is permanently skipped instead of retried Abierto

bug

Dificultad 4/5 3-5 días Aptitud para principiantes 48/100

TIGER-AI-Lab/ClawBench#364 · Abierto el 13/9/2026
[P1] rescore: stale judge caches are silently attributed to a newly requested judge model Abierto

bug

Dificultad 4/5 3-5 días Aptitud para principiantes 68/100

TIGER-AI-Lab/ClawBench#363 · Abierto el 13/9/2026
[P1] reproduce: validate sample coverage and selected rubrics before reporting PASS/FAIL Abierto

bug

TIGER-AI-Lab/ClawBench#362 · 1 comentario · 1 asignado · Abierto el 13/9/2026
Harbor upstream: agree live-site oracle evidence and parity acceptance protocol Abierto

Dificultad 5/5 Más de una semana Aptitud para principiantes 32/100

TIGER-AI-Lab/ClawBench#359 · Abierto el 13/9/2026
Harbor: preserve verifier evidence and scoring when Kernel cleanup fails Abierto

Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100

TIGER-AI-Lab/ClawBench#358 · Abierto el 13/9/2026
Harbor: register browser MCP tools for the default local runtime Abierto

Dificultad 4/5 3-5 días Aptitud para principiantes 66/100

TIGER-AI-Lab/ClawBench#357 · Abierto el 13/9/2026
请问可以披露更多训练细节吗 Abierto

Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100

TIGER-AI-Lab/RationalRewards#9 · Abierto el 9/9/2026
momentseeker数据不对 Abierto

Dificultad 4/5 3-5 días Aptitud para principiantes 15/100

TIGER-AI-Lab/VLM2Vec#212 · Abierto el 8/9/2026
video.yaml配置不对 Abierto

Dificultad 3/5 1-2 días Aptitud para principiantes 35/100

TIGER-AI-Lab/VLM2Vec#211 · Abierto el 8/9/2026
Priority issues to work on for contributors Abierto

Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100

TIGER-AI-Lab/ClawBench#342 · Abierto el 8/9/2026
memory.yaml配置文件 Abierto

Dificultad 3/5 1-2 días Aptitud para principiantes 35/100

TIGER-AI-Lab/VLM2Vec#210 · Abierto el 8/9/2026
Harbor: strict harbor/terminal-bench format compliance + e2b sandbox support Abierto

TIGER-AI-Lab/ClawBench#331 · 3 comentarios · 1 asignado · Abierto el 31/8/2026
Interop idea: map EvaluationExample/EvaluationResult onto EvalPort's TestCase/Result for portable benchmark output Abierto

Dificultad 4/5 3-5 días Aptitud para principiantes 48/100

TIGER-AI-Lab/RewardHarness#2 · Abierto el 25/8/2026
Proposal: isolated academia-registry-v0 suite for evidence-grounded registry research Abierto

question

Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100

TIGER-AI-Lab/ClawBench#317 · 2 comentarios · Abierto el 20/8/2026
feat(eval): support DeepSeek Harness and run a reproducible ClawBench benchmark Abierto

enhancement

TIGER-AI-Lab/ClawBench#309 · 1 comentario · 1 asignado · Abierto el 19/8/2026
Stage-1 interceptor matching is duplicated between runtime-server and edgebench_judge, and the live copy has zero tests Abierto

Dificultad 4/5 3-5 días Aptitud para principiantes 64/100

TIGER-AI-Lab/ClawBench#301 · 1 comentario · Abierto el 18/8/2026
judge_llm.py has diverged from judge.py (no Gemini support, wrong responses endpoint, 800-token cap) — collapse the duplication Abierto

Dificultad 3/5 1-2 días Aptitud para principiantes 70/100

TIGER-AI-Lab/ClawBench#300 · 1 comentario · Abierto el 18/8/2026
batch --resume skips failed jobs (log-file heuristic) and overwrites batch-summary.json with 'skipped' rows Abierto

Dificultad 4/5 3-5 días Aptitud para principiantes 52/100

TIGER-AI-Lab/ClawBench#297 · 1 comentario · Abierto el 18/8/2026
rescore: public reproducibility CLI defaults to a maintainer's home paths and silently no-ops elsewhere Abierto

Dificultad 3/5 1-2 días Aptitud para principiantes 68/100

TIGER-AI-Lab/ClawBench#296 · 1 comentario · Abierto el 18/8/2026
Verify evals on Papers with Code Abierto

Dificultad 2/5 1-3 horas Aptitud para principiantes 35/100

TIGER-AI-Lab/RationalRewards#8 · Abierto el 14/8/2026
Verify evals on Papers with Code Abierto

Dificultad 1/5 1-3 horas Aptitud para principiantes 72/100

TIGER-AI-Lab/OpenResearcher#9 · 1 comentario · Abierto el 14/8/2026
Verify evals on Papers with Code Abierto

Dificultad 3/5 1-2 días Aptitud para principiantes 48/100

TIGER-AI-Lab/FIM-Midtraining#1 · Abierto el 14/8/2026
docs: expand repository topics for structured-output discovery Abierto

Dificultad 1/5 Menos de una hora Aptitud para principiantes 62/100

TIGER-AI-Lab/StructEval#6 · Abierto el 26/7/2026
Always report both Stage-1 (interception) and Stage-2 (judged); raw interception overcounts ~2× Abierto

enhancement

Dificultad 3/5 1-2 días Aptitud para principiantes 62/100

TIGER-AI-Lab/ClawBench#243 · Abierto el 2/7/2026
could you provide the 10K gold document for each questions Abierto

Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100

TIGER-AI-Lab/OpenResearcher#8 · 4 comentarios · Abierto el 1/7/2026
aggregation_threshold Abierto

Dificultad 3/5 1-2 días Aptitud para principiantes 45/100

TIGER-AI-Lab/EditReward#29 · 1 reacción · Abierto el 7/6/2026
Data Annotation Format Issue Abierto

Dificultad 4/5 3-5 días Aptitud para principiantes 25/100

TIGER-AI-Lab/EditReward#28 · Abierto el 4/6/2026
feat: adapter — run AssistantBench (realistic time-consuming live-web tasks) under the ClawBench harness Abierto

enhancement

Dificultad 4/5 3-5 días Aptitud para principiantes 48/100

TIGER-AI-Lab/ClawBench#188 · 1 comentario · Abierto el 20/5/2026
feat: adapter — run Online-Mind2Web (live-web evolution of Mind2Web) under the ClawBench harness Abierto

enhancement

Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100

TIGER-AI-Lab/ClawBench#189 · Abierto el 20/5/2026
feat: adapter — run WebVoyager (live-website, screenshot+LLM-judge browser agent) under the ClawBench harness Abierto

enhancement

Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100

TIGER-AI-Lab/ClawBench#190 · Abierto el 20/5/2026
feat: adapter — run evolvent-ai/ClawMark (100 multi-day coworker-agent tasks, rule-based scoring) under the ClawBench harness Abierto

enhancement

Dificultad 5/5 Más de una semana Aptitud para principiantes 42/100

TIGER-AI-Lab/ClawBench#169 · Abierto el 18/5/2026
feat: adapter — run InternLM/WildClawBench (60 in-the-wild OpenClaw tasks) under the ClawBench harness Abierto

enhancement

Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100

TIGER-AI-Lab/ClawBench#171 · Abierto el 18/5/2026
v3 training data Abierto

Dificultad 3/5 1-2 días Aptitud para principiantes 52/100

TIGER-AI-Lab/VLM2Vec#203 · Abierto el 17/5/2026
Release artifacts (models, dataset) on Hugging Face Abierto

Dificultad 4/5 3-5 días Aptitud para principiantes 35/100

TIGER-AI-Lab/RewardHarness#1 · Abierto el 15/5/2026
test(resilience): verify resume works — auto-restart on abort + alerting Abierto

Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100

TIGER-AI-Lab/ClawBench#160 · Abierto el 13/5/2026
EVALUATE ONLY Abierto

Dificultad 5/5 Más de una semana Aptitud para principiantes 10/100

TIGER-AI-Lab/ScholarCopilot#8 · Abierto el 8/5/2026
EVALUATION AND REDO Abierto

Dificultad 5/5 Más de una semana Aptitud para principiantes 20/100

TIGER-AI-Lab/ScholarCopilot#7 · 1 comentario · Abierto el 8/5/2026
NEWEST DRADT HARKIS Abierto

Dificultad 1/5 Menos de una hora Aptitud para principiantes 55/100

TIGER-AI-Lab/ScholarCopilot#6 · 1 comentario · Abierto el 8/5/2026
FEAT: support steel browser Abierto

Dificultad 4/5 3-5 días Aptitud para principiantes 35/100

TIGER-AI-Lab/ClawBench#105 · Abierto el 29/4/2026
FEAT: support more browser runtimes Abierto

TIGER-AI-Lab/ClawBench#103 · 1 asignado · Abierto el 29/4/2026
Support running other tasks suits under ClawBench's infrastructure using adaptor layers. Abierto

enhancement

Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100

TIGER-AI-Lab/ClawBench#72 · 1 comentario · Abierto el 15/4/2026

TIGER-AI-Lab

Recibe los nuevos issues en tu correo