待验证60% 置信事实精确时间
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
2
来源数
60%
置信度
长期有效
时效性
2026/8/11
首次发现
来源
相关事实
已验证Terminal Bench要求模型在模拟终端环境中完成完整软件工程工作流，包括读取错误日志、调试、配置环境变量、操作文件系统79% 相似待验证终端基准通常指模型在命令行/Shell环境中完成任务的综合评分，涵盖文件操作、脚本执行、包管理、进程控制等系统交互能力71% 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70% 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69% 相似待验证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66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/729947API
curl https://kongchang.com/api/v1/knowledge/claims/729947MCP
get_claim(id=729947)