mlcommons/modelbench
Xem trên GitHubRun safety benchmarks against AI models and view detailed reports showing how well they performed.
- Star
- 134
- Fork
- 36
- Issue cho người mới đang mở
- 3
- Issue đã lập chỉ mục
- 557
- Merge trung bình
- 1 ngày 11 giờ
- Pull request đã merge (30 ngày)
- 17
- Ngôn ngữ chính
- Python
- Giấy phép
- Apache-2.0
- Lần push lên GitHub gần nhất
- 16/9/2026
- Lập chỉ mục gần nhất
- 19/9/2026
- Hướng dẫn đóng góp
- Hướng dẫn đóng góp
- Quy tắc ứng xử
- Không có quy tắc ứng xử
- Label cho người mới
- Chưa lập chỉ mục label nào cho người mới
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 45/100
mlcommons/modelbench#1660 ·
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 68/100
mlcommons/modelbench#1659 · 1 bình luận ·
-
Misc google SUT failures Đang mở
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 45/100
mlcommons/modelbench#1658 ·
-
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 65/100
mlcommons/modelbench#1657 · 2 bình luận ·
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 68/100
mlcommons/modelbench#1656 ·
-
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 35/100
mlcommons/modelbench#1655 ·
-
Fix AWS SUTs Đang mở
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 48/100
mlcommons/modelbench#1654 ·
-
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 64/100
mlcommons/modelbench#1653 · 1 bình luận ·
-
Create openrouter adapter Đang mở
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 35/100
mlcommons/modelbench#1648 · 1 bình luận ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 58/100
mlcommons/modelbench#1646 ·
-
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 35/100
mlcommons/modelbench#1645 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 42/100
mlcommons/modelbench#1644 · 1 bình luận ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 20/100
mlcommons/modelbench#1641 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 35/100
mlcommons/modelbench#1640 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 25/100
mlcommons/modelbench#1638 ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 25/100
mlcommons/modelbench#1637 ·
-
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 25/100
mlcommons/modelbench#1633 ·
-
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 25/100
mlcommons/modelbench#1632 ·
-
Độ khó 2/5 Nửa ngày Mức phù hợp với người mới 84/100
mlcommons/modelbench#1629 ·
-
Integrate Riki's test scorer Đang mở
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 38/100
mlcommons/modelbench#1628 ·
-
Run Riki's 11 SUTs Đang mở
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 35/100
mlcommons/modelbench#1625 · 2 bình luận ·
-
DAG embedder uses cloud run host Đang mở
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 25/100
mlcommons/modelbench#1622 ·
-
Safety 1.2 DAG in Cheval Đang mở
mlcommons/modelbench#1621 · 3 bình luận · 1 người được giao ·
-
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 25/100
mlcommons/modelbench#1620 ·
-
Design benchmark UIDs Đang mở
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 25/100
mlcommons/modelbench#1618 ·
-
mlcommons/modelbench#1617 · 1 người được giao ·
-
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 30/100
mlcommons/modelbench#1616 ·
-
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 20/100
mlcommons/modelbench#1610 ·
-
chore
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 20/100
mlcommons/modelbench#1604 ·
-
chore
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 35/100
mlcommons/modelbench#1603 ·
-
Gemini SUT works Đang mở
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 25/100
mlcommons/modelbench#1597 · 1 bình luận ·
-
GPT SUT works Đang mở
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 15/100
mlcommons/modelbench#1596 ·
-
Claude SUT works Đang mở
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 15/100
mlcommons/modelbench#1595 ·
-
DAG handles n-ary routing Đang mở
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 25/100
mlcommons/modelbench#1592 · 1 bình luận ·
-
chore
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 48/100
mlcommons/modelbench#1591 ·
-
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 38/100
mlcommons/modelbench#1589 · 1 bình luận ·
-
mlcommons/modelbench#1586 · 2 bình luận · 2 người được giao ·
-
mlcommons/modelbench#1579 · 1 người được giao ·
-
Fix broken jailbreak benchmark Đang mở
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 25/100
mlcommons/modelbench#1578 ·
-
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 25/100
mlcommons/modelbench#1577 ·
-
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 35/100
mlcommons/modelbench#1576 ·
-
Security running in Candela Đang mởmilestone
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 20/100
mlcommons/modelbench#1574 ·
-
milestone
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 20/100
mlcommons/modelbench#1572 ·
-
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 25/100
mlcommons/modelbench#1571 · 1 bình luận ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 38/100
mlcommons/modelbench#1569 · 1 bình luận ·
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 45/100
mlcommons/modelbench#1568 ·
-
Benchmark stalling issues Đang mở
mlcommons/modelbench#1565 · 1 người được giao ·
-
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 35/100
mlcommons/modelbench#1564 · 1 bình luận ·
-
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 25/100
mlcommons/modelbench#1561 ·
-
mlcommons/modelbench#1560 · 1 người được giao ·