Simreal-AI /Simreal-MLBench

Бенчмарк для ИИ-агентов, которые самостоятельно проводят ML-исследования: изучают данные, строят модели и сдают прогнозы.

Simreal-MLBench проверяет агентов на 60 задачах — от табличных данных до прогнозирования, изображений, звука и научных данных. Оценку выполняет сторонняя соревновательная платформа, а не сами создатели теста, поэтому правильные ответы агенту недоступны заранее. Агент получает две попытки сдачи с обратной связью между ними, что позволяет измерить не только качество модели, но и способность исправляться по фактическим результатам.

Описание автора: Innovative externally-scored agentic ML benchmark for next evolution of AI — real competition ground truth, two-submission feedback, attacked rewards

Python★ 34создан 21 сентября 2026форков 4Apache-2.0
agenticbenchmarkbenchmarkingcalibrationllmllm-agentsllmsmechine-learing

Открыть на GitHub →

Сколько звёзд прибавилось

Без значка — точная разница ежедневных снимков счётчика GitHub, со значком ≈ — оценка по архиву событий.

Точный счётчик GitHub: +25 звёзд с 04:20 23 сентября по 15:20 23 сентября.

Прирост по дням за 3 месяца

25 июня: ≈026 июня: ≈027 июня: ≈028 июня: ≈029 июня: ≈030 июня: ≈01 июля: ≈02 июля: ≈03 июля: ≈04 июля: ≈05 июля: ≈06 июля: ≈07 июля: ≈08 июля: ≈09 июля: ≈010 июля: ≈011 июля: ≈012 июля: ≈013 июля: ≈014 июля: ≈015 июля: ≈016 июля: ≈017 июля: ≈018 июля: ≈019 июля: ≈020 июля: ≈021 июля: ≈022 июля: ≈023 июля: ≈024 июля: ≈025 июля: ≈026 июля: ≈027 июля: ≈028 июля: ≈029 июля: ≈030 июля: ≈031 июля: ≈01 августа: ≈02 августа: ≈03 августа: ≈04 августа: ≈05 августа: ≈06 августа: ≈07 августа: ≈08 августа: ≈09 августа: ≈010 августа: ≈011 августа: ≈012 августа: ≈013 августа: ≈014 августа: ≈015 августа: ≈016 августа: ≈017 августа: ≈018 августа: ≈019 августа: ≈020 августа: ≈021 августа: ≈022 августа: ≈023 августа: ≈024 августа: ≈025 августа: ≈026 августа: ≈027 августа: ≈028 августа: ≈029 августа: ≈030 августа: ≈031 августа: ≈01 сентября: ≈02 сентября: ≈03 сентября: ≈04 сентября: ≈05 сентября: ≈06 сентября: ≈07 сентября: ≈08 сентября: ≈09 сентября: ≈010 сентября: ≈011 сентября: ≈012 сентября: ≈013 сентября: ≈014 сентября: ≈015 сентября: ≈016 сентября: ≈017 сентября: ≈018 сентября: ≈019 сентября: ≈020 сентября: ≈021 сентября: ≈022 сентября: ≈023 сентября: ≈12025 июняиюльавгсент

Оценка по выборке GH Archive. Бледные столбцы — дни, история за которые ещё загружается.