[
控场AI
]
知识动态
实体
播客
深度
开发者
关于
Get CLI
EN
基准
Terminal-Bench 2
用于评估智能体终端操作能力的基准测试,提供 Harbor 任务布局
时间轴 (近 90 天)
11月14日
Creeks 团队的这套任务准入流程参考了 Terminal-Bench 2 所用的 Harbor 任务布局。
待验证
50%
全部知识事实 (1)
待验证
Creeks 团队的这套任务准入流程参考了 Terminal-Bench 2 所用的 Harbor 任务布局。
50%
来源文章
RL代码任务入库前的五道硬核关卡
11月14日