待验证50% 置信事实精确时间
Terminal Bench是斯坦福大学设计的智能体评估框架，模拟真实Linux终端环境，要求智能体完成环境配置、依赖安装、代码调试、结果验证等完整工作流
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
GPT-5.6发布：性能超越竞品却遭政府叫停，网络安全能力触发监管红线
bilibili皮皮蟹勇闯天涯2026/6/27
相关事实
待验证TerminalBench是一个包含约82个计算机使用和编程任务的Agent评估框架68% 相似待验证Terminal-Bench 要求模型在真实的 shell 环境中进行多轮交互，包括发出命令、解析 stdout/stderr 输出、处理权限问题、管理文件系统状态66% 相似待验证Terminal Bench要求模型在交互式命令行环境中调试、运行、修复代码，区别于HumanEval等静态代码生成测试64% 相似待验证终端模拟器负责渲染字符、处理键盘输入、管理窗口显示，Shell是运行在终端之上负责解析执行用户命令的程序，两者职责不同58% 相似待验证SWE-bench通过Docker容器化技术为每个任务实例创建隔离的运行环境，确保评测的可复现性56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489860API
curl https://kongchang.com/api/v1/knowledge/claims/489860MCP
get_claim(id=489860)