Chủ sở hữu
benchflow-ai
Đã lập chỉ mục 2 kho mã nguồn · Xem trên GitHub
-
skillsbench
SkillsBench evaluates how well skills work and how effective agents are at using them.
PDDL · 1830 star
-
awesome-evals
A curated, non-BS library of the best resources for building and evaluating AI agents — papers, blogs, talks, tools, benchmarks. Maintain...
1024 star
Các issue có thể đã có người làm được xếp cuối danh sách. Sắp xếp tất cả theo ngày
-
Độ khó 1/5 Dưới một giờ Mức phù hợp với người mới 86/100
benchflow-ai/skillsbench#1090 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 48/100
benchflow-ai/skillsbench#1086 ·
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 68/100
benchflow-ai/skillsbench#1066 ·
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 72/100
benchflow-ai/skillsbench#1065 ·
-
Độ khó 1/5 Dưới một giờ Mức phù hợp với người mới 35/100
benchflow-ai/awesome-evals#142 ·
Maintainer thường phản hồi trong vòng 1 ngày
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 46/100
benchflow-ai/skillsbench#1062 ·
-
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 25/100
benchflow-ai/skillsbench#1057 ·
-
Độ khó 1/5 Dưới một giờ Mức phù hợp với người mới 55/100
benchflow-ai/awesome-evals#90 ·
Maintainer thường phản hồi trong vòng 1 ngày
-
Độ khó 1/5 Dưới một giờ Mức phù hợp với người mới 20/100
benchflow-ai/skillsbench#1049 ·
-
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 35/100
benchflow-ai/skillsbench#1046 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 42/100
benchflow-ai/skillsbench#1045 ·
-
Độ khó 1/5 1-3 giờ Mức phù hợp với người mới 25/100
benchflow-ai/skillsbench#1041 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 45/100
benchflow-ai/skillsbench#1019 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 48/100
benchflow-ai/skillsbench#1020 ·
-
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 25/100
benchflow-ai/skillsbench#1023 ·
-
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 35/100
benchflow-ai/skillsbench#1004 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 35/100
benchflow-ai/skillsbench#999 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 48/100
benchflow-ai/skillsbench#1000 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 43/100
benchflow-ai/skillsbench#1001 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 45/100
benchflow-ai/skillsbench#995 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 35/100
benchflow-ai/skillsbench#987 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 48/100
benchflow-ai/skillsbench#988 ·
-
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 25/100
benchflow-ai/skillsbench#981 ·
-
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 35/100
benchflow-ai/skillsbench#963 · 1 bình luận · 2 reaction ·
-
Độ khó 2/5 Nửa ngày Mức phù hợp với người mới 48/100
benchflow-ai/skillsbench#945 · 2 reaction ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 35/100
benchflow-ai/skillsbench#879 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 45/100
benchflow-ai/skillsbench#865 · 1 bình luận · 1 reaction ·
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 50/100
benchflow-ai/skillsbench#856 · 3 bình luận ·
-
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 55/100
benchflow-ai/skillsbench#836 ·
-
task
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 42/100
benchflow-ai/skillsbench#830 · 2 bình luận ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 45/100
benchflow-ai/skillsbench#788 · 3 bình luận ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 35/100
benchflow-ai/skillsbench#783 · 1 bình luận ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 45/100
benchflow-ai/skillsbench#750 · 6 bình luận ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 35/100
benchflow-ai/skillsbench#708 · 21 bình luận · 1 reaction ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 35/100
benchflow-ai/skillsbench#704 · 1 bình luận · 1 reaction ·
-
18 task verifiers grade against files the agent can overwriteCó thể đã có người làm @xdotli đã nhận 12 ngày trước. Đang mở
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 15/100
benchflow-ai/skillsbench#1064 ·
-
[xlsx-recover-data] Ground truth and verifier disagree on Growth Analysis!B8 expected valueCó thể đã có người làm @xdotli đã nhận 12 ngày trước. Đang mở
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 78/100
benchflow-ai/skillsbench#1050 · 1 bình luận ·
-
`weighted-gdp-calc`: instruction says years are in row 10, they're in row 9Có thể đã có người làm @linhongyu510 đã nhận 68 ngày trước. Đang mở
Độ khó 1/5 Dưới một giờ Mức phù hợp với người mới 35/100
benchflow-ai/skillsbench#1048 ·
-
`weighted-gdp-calc`: verifier CSV fallback is off by 8 rows, formula-only submissions always score 0Có thể đã có người làm @linhongyu510 đã nhận 68 ngày trước. Đang mở
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 35/100
benchflow-ai/skillsbench#1047 ·
-
Remove answer leakage from dapt-intrusion-detection skills and clarify detection contractCó thể đã có người làm Có pull request liên kết đang mở hoặc đã được merge. Đang mở
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 45/100
benchflow-ai/skillsbench#1018 ·
-
Remove task-specific answer values from edit-pdf skillsCó thể đã có người làm @xdotli đã nhận 12 ngày trước. Đang mở
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 55/100
benchflow-ai/skillsbench#1022 ·
-
Remove target-output leakage from video-silence-remover skillsCó thể đã có người làm @xdotli đã nhận 12 ngày trước. Đang mở
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 47/100
benchflow-ai/skillsbench#1021 ·
-
python-scala-translation exposes a complete implementation in the agent imageCó thể đã có người làm @xdotli đã nhận 12 ngày trước. Đang mở
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 48/100
benchflow-ai/skillsbench#1007 ·
-
Accept valid http.request_header in suricata-custom-exfil verifierCó thể đã có người làm @xdotli đã nhận 12 ngày trước. Đang mở
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 55/100
benchflow-ai/skillsbench#1003 ·
-
Reset protected tests before grading spring-boot-jakarta-migrationCó thể đã có người làm @xdotli đã nhận 12 ngày trước. Đang mở
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 35/100
benchflow-ai/skillsbench#1002 ·
-
Package shock-analysis-demand data and specify verifier layout rulesCó thể đã có người làm Có pull request liên kết đang mở hoặc đã được merge. Đang mở
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 25/100
benchflow-ai/skillsbench#998 · 1 bình luận ·
-
Make simpo-code-reproduction verifier dependencies installableCó thể đã có người làm @xdotli đã nhận 12 ngày trước. Đang mở
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 45/100
benchflow-ai/skillsbench#994 ·
-
Clarify join semantics for sales-pivot-analysisCó thể đã có người làm @xdotli đã nhận 12 ngày trước. Đang mở
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 45/100
benchflow-ai/skillsbench#996 ·
-
Align pddl-airport-planning example syntax with verifier parserCó thể đã có người làm @xdotli đã nhận 12 ngày trước. Đang mở
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 53/100
benchflow-ai/skillsbench#993 ·
-
Fix seismic-phase-picking SeisBench image build on DaytonaCó thể đã có người làm @xdotli đã nhận 12 ngày trước. Đang mở
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 43/100
benchflow-ai/skillsbench#990 ·