待验证50% 置信事实精确时间
几乎所有前沿实验室都在追踪 TerminalBench 基准的表现。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/20
首次发现
有效期至:2027/2/18
来源
涉及实体
相关事实
待验证原版 Terminal-Bench 聚焦于命令行操作评测71% 相似已验证Terminal-Bench是专门评估AI模型在命令行环境中执行复杂任务能力的基准测试,涵盖文件操作、脚本编写、系统调试等场景65% 相似待验证Terminal Bench Science 0.1是一个面向科研场景的终端操作基准测试,要求模型在模拟Linux终端环境中完成科学计算相关的多步骤任务。65% 相似待验证Terminal-Bench 的得分受智能体脚手架(scaffold)和重试策略影响较大,跨模型比较需确认评测条件一致。63% 相似待验证Terminal-Bench-Science 将测试任务锚定在具体的科研工作流上,Agent 需在包含真实工具和数据的终端环境中独立完成从问题理解到结果产出的全过程63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1190450API
curl https://kongchang.com/api/v1/knowledge/claims/1190450MCP
get_claim(id=1190450)