56 个开源项目，
每个数字都能复核

计时单位：对一个 55 万行的 CSV 跑一次 csvstat（端到端）

$ python csvkit/utilities/csvstat.py big.csv

逐位一致：每一项统计值都与原版 csvkit 相同

计时单位：一张随机图跑完六项分析（介数中心性、PageRank、聚类系数等）
纯库项目，没有入口命令：计时的是一段调用其公开 API 的基准脚本。

$ python ao_bench.py

10 张校验图上每个输出字段完全一致

计时单位：一张 McMaster 图片：读取 → 加噪 → SwinIR-M 彩色去噪 → 写出 PNG → 计算 PSNR/SSIM

$ python main_test_swinir.py --task color_dn --noise 15 --model_path model_zoo/swinir/005_colorDN_DFWB_s128w8_SwinIR-M_noise15.pth --folder_gt testsets/McMaster

每张输出 PNG 与原版相差不超过 2 个灰度级；对真值的 PSNR 变化不超过 0.01 dB

计时单位：一周气候数据的汇总链（coarsen → rolling → groupby_bins → 距平 → 日最大值 → 写 NetCDF）
纯库项目，没有入口命令：计时的是一段调用其公开 API 的基准脚本。

$ python ao_bench.py

统计量与原链路的绝对误差在 1.1e-5 以内

计时单位：32 张图片一批，经 ViT-B/32 零样本分类（解码 → 预处理 → 图像塔 → 类别概率）

$ python main_4cf6e0.py

零样本准确率 301/1034，与原版完全相同

计时单位：一张测试图：JPEG 解码 → 变换 → 生成器 → 写出 PNG

$ python test.py --dataroot datasets/horse2zebra/testA --name horse2zebra_pretrained --model test --no_dropout

最差像素相差 2 个 uint8 级（PSNR 64.9 dB），小于原程序两次运行之间的差异

计时单位：生成一个样本（200 个 token，pythia-410m，bf16）

$ python litgpt/__main__.py generate checkpoints/EleutherAI/pythia-410m --max_new_tokens 200 --num_samples 8

逐位一致：与冻结的 bf16 参考输出最大绝对误差为 0

计时单位：64 段 ESC-50 音频一批，经 CLAP 零样本分类（音频 → log-mel → 音频塔 → 类别分数）

$ python -m open_clip_train.main --model CLAP-HTSAT-tiny-Roberta-base-fused --pretrained laion --audio-zeroshot-dataset ashraq/esc50 …

ESC-50 零样本 top-1 87.85% / top-5 98.85%，与原版完全相同

计时单位：一批时间序列的拟合与预测
纯库项目，没有入口命令：计时的是一段调用其公开 API 的基准脚本。

$ python ao_bench.py

预测结果逐位一致

计时单位：DINOv2 ViT-L/14 对一批 16×3×518×518 输入做一次前向推理（随机权重，由仓库自带 hubconf 构建）

$ python bench_dino.py

输出特征与原版 fp32 程序相比余弦相似度 0.99998、相对 L2 误差 0.0065

计时单位：REDS 视频片段中的一段 100 帧：读入帧、BasicVSR++ 4 倍视频超分、写出 100 张 PNG

$ python inference/inference_basicvsrpp.py

输出的 PNG 与原版程序相比，99.9% 的像素相差不超过 1 个灰阶（PSNR 61.9 dB）。

计时单位：端到端合成一句话（音素化 → Tacotron2-DDC → 声码器 → 波形）

$ python TTS/bin/synthesize.py --text "The quick brown fox jumps over the lazy dog, again and again." --model_name tts_models/en/ljspeech/tacotron2-DDC --out_path out.wav --use_cuda

波形逐位一致（PSNR 124 dB）

计时单位：一条提示词：1.7B 门控注意力 Qwen3 检查点贪心生成 96 个新 token（批大小 1）

$ python demo.py --generate --prompts prompts.txt

下一个 token 的概率与原版 fp32 程序相差不超过 0.0078（相对 L2 0.0028）

计时单位：一帧画面（8 帧真实场景演示图，每批 4 帧）：人物裁剪 → Sapiens 0.3B 308 关键点姿态估计 → 写出关键点结果

$ python lite/demo/vis_pose.py sapiens_0.3b_goliath_best_goliath_AP_573_torchscript.pt2 --input <frames> --output-root <out> …

姿态热图与原版 fp32 模型的最大偏差 0.011（PSNR 82.8 dB），在未参与优化的批大小上偏差不超过 0.014。

计时单位：用 Wan 2.1 VAE 编码一段 33 帧视频（diffusers）

$ python wan21_encode.py

latent 与 fp32 编码结果的 PSNR 为 73.6 dB

计时单位：按官方参考配方的 batch 跑一步 ResNet-50 训练

$ python train.py --model resnet50

与冻结的原版参考输出比对通过，含一组优化时未见过的数据

计时单位：Tanks&Temples train 场景上的一次训练迭代（渲染 → loss → 反向 → 稠密化 → 优化器更新）

$ python train.py -s tandt_db/tandt/train -m output/train --iterations 7000

每次迭代的 loss 与原版相对误差在 2.5e-6 以内

计时单位：按配置的 batch 在 Kinetics-400 上跑一次 TSN R50 训练迭代

$ python tools/train.py configs/recognition/tsn/tsn_imagenet-pretrained-r50_8xb32-1x1x3-100e_kinetics400-rgb.py

与冻结的原版参考输出比对通过，含一组优化时未见过的数据

计时单位：一帧演示图：人物检测 → Sapiens2-1B 308 关键点姿态估计 → 写出骨架叠加图

$ python tools/vis/vis_pose.py <detector> configs/keypoints308/…/sapiens2_1b_keypoints308_shutterstock_goliath_3po-1024x768.py <pose.safetensors> …

姿态热图与原版 fp32 模型的最大偏差 0.045（PSNR 85.0 dB），未参与优化的帧上不超过 0.033；100 帧全部写出。

计时单位：一张输入图：解码 → 4 倍 RRDBNet（fp16）→ 后处理 → 编码写盘

$ python inference_realesrgan.py -n RealESRGAN_x4plus -i inputs

与原输出相比 PSNR 59.8 dB，误差不到一个 8 位码值

计时单位：PV-RCNN 演示程序处理一帧 KITTI 激光雷达点云：读取、体素化、检测

$ python demo.py --cfg_file cfgs/kitti_models/pv_rcnn.yaml --ckpt pv_rcnn_8369.pth --data_path ${POINT_CLOUD_DATA}

检测结果与原版程序相差不超过 6e-4，比模型 0.1 的置信度阈值小 170 倍，在未参与优化的留出点云上同样成立。

计时单位：一张图片走完 PP-OCRv6 medium：解码 → 文本检测 → 文本识别 → CTC 解码

$ python run_ocr.py

留出图片上的文字与文本框与原版完全一致；最敏感的测试页相差一两个字符（相对 L2 0.054）

计时单位：一个图像序列：解码 → CUT3R 循环重建 → 逐帧写出深度、置信度、彩色图与相机参数

$ python demo.py --model_path src/cut3r_512_dpt_4_64.pth --seq_path examples/001 --size 512 --vis_threshold 1.5 --output_dir tmp

点云与原版相对 L2 误差 1.9e-4；写出的 PNG 解码后像素完全相同

计时单位：一次 encode() 请求（一组文本 → 单位范数向量）

$ python examples/sentence_transformer/applications/computing-embeddings/computing_embeddings.py

与 fp32 输出的余弦相似度 0.99999

计时单位：官方 10 分钟教程的预告片，端到端渲染一帧（解码 → 特效 → 合成 → ffmpeg 编码）

$ python docs/_static/code/getting_started/moviepy_10_minutes/trailer.py

像素差异不超过 1 个码值（PSNR 51.7 dB）

计时单位：一步 ResNet-50 训练（端到端）

$ python train.py <data> --model resnet50

与冻结的原版参考输出比对通过，含一组优化时未见过的数据

计时单位：detect.py 处理一张图：读取 → letterbox → yolov5s 前向 → NMS → 写出标注图

$ python detect.py --source data/images --weights yolov5s.pt

逐位一致

计时单位：TinyLlama-1.1B-Chat 在 GSM8K 上做监督微调的一个优化器步（batch 16，bf16）

$ python finetune.py --model_name_or_path=ckpts/tinyllama-1.1b-chat --dataset_name=gsm8k --model_family=llama2 …

每步训练 loss 与原版程序相差不超过 0.11%（原版自身重复运行相差 0.15%），梯度余弦相似度 0.9999。

计时单位：经 DeepSpeed 推理引擎做一次 batch 1 的自回归解码

$ python benchmark/deepspeed/run.py

与冻结的原版参考输出比对通过，含一组优化时未见过的数据

计时单位：nerfacto 在 4096 条光线上的一次训练迭代

$ ns-train nerfacto --data data/blender/lego

每步训练 loss 与原版程序相差不超过 0.011%，约合渲染 PSNR 0.0005 dB。

计时单位：整个训练循环：GPT-2（124M）在 wikitext-2 上 71 步优化，含预热

$ python run_clm.py --model_name_or_path openai-community/gpt2 --dataset_name wikitext --dataset_config_name wikitext-2-raw-v1 …

训练 loss 3.387（原版 3.376），验证困惑度 19.74（原版 19.55）

计时单位：DiT-XL/2 单卡一个训练步（批大小 16）

$ torchrun --nnodes=1 --nproc_per_node=1 train.py --model DiT-XL/2 --data-path <train dir> --global-batch-size 16 …

每步 loss 与原版 fp32 相差不超过 1.6e-4，梯度一致（余弦 1.000，相对 L2 0.004），在未参与优化的批次上同样成立。

计时单位：一张 COCO 图片，从解码到输出还原尺寸的检测框

$ python ultralytics/cfg/__init__.py predict model=yolov12n.pt source=data/val2017 …

检测结果与原程序逐位一致（最大差 0），24 张留出图片上同样一致。

计时单位：用 Wan 2.2 VAE 编码一段视频（diffusers）

$ python wan22_encode.py

latent 与 fp32 编码结果的 PSNR 为 78.3 dB

计时单位：生成一张 256×256 图像（250 步采样加 VAE 解码）

$ python inference.py --config configs/reproductions/lightningdit_xl_vavae_f16d32_64ep_cfg.yaml --demo

生成图像与原程序输出的 PSNR 为 41.6 dB（留出批大小上为 40.0 dB）。

计时单位：处理一段视频：解码 → 上传到 GPU → CoTracker3 离线模式跟踪 10×10 网格点 → 在每一帧上画出轨迹 → 写出 mp4

$ python demo.py --grid_size 10

跟踪点、可见性标志和渲染出的标记颜色与原版程序逐位一致，在未参与优化的留出视频与网格大小上同样成立

计时单位：一段视频用 detect-adaptive 端到端打分（解码 → 逐帧评分 → 切点判定 → 场景列表）

$ python scenedetect/__main__.py -i demo.mp4 detect-adaptive list-scenes -n

评分逐位一致，切点列表与原版相同

计时单位：一张图加一条提示词走完官方推理脚本（SwinT 主干、BERT、可变形解码器 → 检测框）

$ python demo/inference_on_a_image.py -c groundingdino/config/GroundingDINO_SwinT_OGC.py -p weights/groundingdino_swint_ogc.pth -i .asset/cat_dog.jpeg -o out -t "cat ear."

检测框位移小于 0.1 像素

计时单位：用 SAM 2.1 hiera-b+ 端到端跟踪一段 DAVIS 2017 验证集视频：解码帧、加入首帧掩码、逐帧传播、写出标签 PNG

$ python ./tools/vos_inference.py --sam2_cfg configs/sam2.1/sam2.1_hiera_b+.yaml --sam2_checkpoint ./checkpoints/sam2.1_hiera_base_plus.pt --base_video_dir <DAVIS>/JPEGImages/480p … --output_mask_dir ./outputs/davis_2017_pred_pngs

写出的标签 PNG 与原版程序至少 99.9% 的像素完全相同（只有少量目标边界像素的标签变化），未参与优化的留出视频上同样成立

计时单位：一次 txt2img 请求（SD 1.5，20 步，512–768 像素），直到返回 PNG

$ python launch.py --api --nowebui

解码后的图像与原版服务器输出相比 PSNR 48.2 dB，未参与优化的请求上为 51.6 dB。

计时单位：一步 256×256 的 REPA-E 训练（SiT-B/2 + SD-VAE + DINOv2-B），batch 4

$ python train_repae.py --model=SiT-B/2 --vae=f8d4 --enc-type=dinov2-vit-b --batch-size=4 --mixed-precision=fp16 …

每步 loss 与原版相差 0.9% 以内，小于命令自带 fp16 本身带来的波动

计时单位：用 HunyuanVideo VAE 编码一段 33 帧视频（diffusers）

$ python hunyuan_encode.py

latent 与 fp32 编码结果的 PSNR 为 50.9 dB

计时单位：一段短视频 2 倍插帧：解码 → SSIM 检查 → IFNet → 编码

$ python inference_video.py --video=demo.mp4 --exp=1

最差像素相差 1 个码值（PSNR 57.7 dB）

计时单位：一张 1280×720 JPEG 帧：解码 → SAM 3 文本提示（"person"）检测与分割 → 0.5 阈值、掩码上采样回原尺寸

$ python perf/confirm_e2e.py --arm baseline --frames 64

每个查询的检测判定与原版完全相同；分数与掩码与原版的余弦相似度为 0.99999

计时单位：重建一个场景（解码、VGGT-1B 推理、反投影、COLMAP 重建）

$ python demo_colmap.py --scene_dir=examples/kitchen

输出的世界坐标点云与原版相比 PSNR 97.2 dB（相对 L2 误差 1.8e-4）。

计时单位：一段音频经新的 websocket 会话流式送入 faster_whisper 服务端（首包 → 覆盖整段的转写 → 结束音频），Whisper small
纯库项目，没有入口命令：计时的是一段调用其公开 API 的基准脚本。

$ python ao_bench.py

固定与留出片段的转写文本与原版程序逐字一致

计时单位：Fast3R ViT-L/512 对 20 帧演示视频做一次多视图重建

$ python bench_infer.py

通过了对照原版程序的输出校验（校验基准在优化开始前冻结）

计时单位：一个优化器步（8 个 64×128 token 的微批次，共 65,536 个 token）

$ python main.py loader.global_batch_size=512 … model=small algo=bd3lm data=lm1b-wrap model.length=128 block_size=16 mode=train …

相同批次上训练损失与原版相差不超过 1.1%，未参与优化的批次上为 0.77%。

计时单位：一步 LJSpeech 训练（生成器 → MPD + MSD 判别器 → 生成器更新），batch 16

$ python train.py --config config_v1.json

两个 epoch 后 mel L1 为 0.544 / 0.539（原版 0.545 / 0.544）

计时单位：train.py 的一次训练迭代（shakespeare_char）

$ python train.py config/train_shakespeare_char.py --compile=False --max_iters=400 --eval_interval=200 --log_interval=10

loss 轨迹相对误差 8e-5 以内，梯度余弦 ≥ 0.99999

计时单位：一段视频经 VAE 往返（编码 → 解码 → 帧，diffusers）

$ python decode.py

与 fp32 参考结果的 PSNR 为 62.9 dB

计时单位：处理一张照片：人脸检测、修复、背景 2 倍超分并写出结果

$ python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2

修复后的图像与原版相比 PSNR 48.4 dB，未参与优化的照片上为 47.4 dB。

计时单位：VibeVoice-ASR 在示例数据集上的一步 LoRA 微调（解码 → 分词 → 组 batch → 前向/反向）

$ python finetuning-asr/lora_finetune.py --model_path microsoft/VibeVoice-ASR --data_dir finetuning-asr/toy_dataset --output_dir out --num_train_epochs 3 --per_device_train_batch_size 1 --learning_rate 1e-4 --bf16 --report_to none

loss 相对误差 6.5e-2 以内，梯度余弦 0.885；提供恢复原路径的开关，由使用者取舍

计时单位：tabicl.train 预训练的一步（stage 1 配方，从 mix-SCM 先验生成 32 张合成表格，bf16）

$ python bench_train.py

每步 loss 与原版程序的相对差在 2e-5 以内（即原版自身重复运行的波动），梯度余弦 1.0

计时单位：train.py 的一个训练步（16 张 coco128 图：H2D → fp16 前向 → loss → 反向 → 优化器）

$ python train.py --data coco128.yaml --weights yolov5s.pt --img 640 --epochs 3 --batch-size 16

loss 相对误差 2e-3 以内，梯度余弦 ≥ 0.996

计时单位：按配置的 batch 在 COCO 上跑一次 Faster R-CNN R50-FPN 训练迭代

$ python tools/train.py configs/faster_rcnn/faster-rcnn_r50_fpn_1x_coco.py

与冻结的原版参考输出比对通过，含一组优化时未见过的数据

计时单位：CDiT-XL/2 bf16 训练一步，batch 4、224 px，合成轨迹数据

$ python train.py --config config/ao_synth.yaml --epochs 2 --bfloat16 1 --torch-compile 0 …

loss 与原版相差 1.2e-7 以内；梯度余弦 1.0，落在原版自身多次运行的波动范围内

计时单位：转写一个音频文件（--model small，float16，不做对齐）

$ python whisperx/__main__.py audio.wav --model small --compute_type float16 --no_align --output_dir out

特征与原实现相差不超过 0.016

计时单位：一条序列走完：TimeSeries → Scaler → 构建 NBEATSModel → 训练 3 轮 → 预测
纯库项目，没有入口命令：计时的是一段调用其公开 API 的基准脚本。

$ python ao_bench.py

loss 相对误差 2e-3 以内，MAPE 不变