BiUFLv2012 est une collection d'instances de test dédiées à l'évaluation d'algorithmes pour des problèmes bi-objectifs en logistique. Ces instances, issues de travaux académiques reconnus, permettent de tester des méthodes de résolution pour des problèmes de localisation-allocation. Elles sont utilisées dans le cadre de recherches en optimisation combinatoire et en aide à la décision.

Outil d'analyse d'équité dédié aux modèles de vérification faciale. Il permet d'évaluer objectivement si un algorithme traite équitablement différents groupes démographiques (genre, âge, ethnie) en calculant des métriques de performance et d'équité. Utilisé par les chercheurs et développeurs pour identifier et corriger les biais algorithmiques dans les systèmes de reconnaissance faciale.

Ce projet propose une collection d'instances pour le problème bi-objectif de Facility Location (UFLP). Les données sont structurées pour évaluer des algorithmes d'optimisation combinatoire. Les instances sont organisées en trois catégories (F, H, G) et proviennent de méthodes de génération variées. L'objectif est de faciliter la comparaison et l'analyse des performances des approches algorithmiques dans ce domaine.

Ce projet vise à générer des données synthétiques à l'aide de modèles de langage (LLM) pour tester et évaluer des modèles d'intelligence artificielle. Il permet d'identifier des biais potentiels dans les algorithmes en créant des jeux de données artificiels variés et contrôlés, facilitant ainsi l'analyse des performances et des limites des modèles avant leur déploiement en conditions réelles.

Ce projet vise à analyser des jeux de données socio-économiques pour identifier et corriger les biais présents dans les algorithmes d'apprentissage automatique. Il permet aux chercheurs et aux décideurs publics d'évaluer l'équité des modèles prédictifs et d'améliorer leur robustesse face aux discriminations systémiques.

Outil dédié à l'évaluation et au benchmarking des méthodes de détection des changements de pression sélective dans des jeux de données biologiques ou génomiques. Il permet de comparer objectivement les performances de différents algorithmes et approches statistiques pour identifier des variations évolutives dans des séquences génétiques ou des données phénotypiques.

MOWL bench est un projet dédié à l'évaluation et à la comparaison de benchmarks pour des ontologies issues du corpus MOWL. Il propose des traductions de bases de connaissances associées et inclut des requêtes complexes issues des niveaux profonds du processus de chase. Le projet couvre divers domaines comme la simulation sociale, l'encodage de données, la biologie ou encore l'algorithmique.

Ce projet est une implémentation en Julia dédiée à l'optimisation de l'espace de stockage via la résolution du problème de bin packing. Il permet de générer des instances de test aléatoires et d'évaluer les performances de différents algorithmes (NF, FFD, RORB) pour comparer leur efficacité. Les résultats sont formatés pour une analyse comparative des ratios moyens obtenus.

S-GCN est un outil spécialisé dans l'analyse et l'évaluation de structures protéiques en 3D modélisées sous forme de graphes moléculaires. Il permet de prédire des scores de qualité pour des modèles de protéines générés par des algorithmes ou des participants à des défis comme CASP. Le projet facilite la comparaison entre modèles et structures réelles, aidant ainsi les chercheurs en biologie structurale à identifier les conformations les plus proches de la réalité.

Ce projet développe des outils pour concevoir et évaluer des circuits quantiques optimisés, réduisant le nombre de qubits nécessaires pour des algorithmes spécifiques. Il permet de tester et comparer des implémentations quantiques, notamment pour des opérations comme l'inversion de matrices ou la multiplication de polynômes binaires. Les résultats sont utilisés pour valider des formules théoriques et améliorer l'efficacité des algorithmes quantiques dans le domaine du décodage d'information.