Codex 用自创方法首破 Terminal-Bench 零通过任务

Terminal-Bench 3.0 中的 ico-path-patch 任务（二进制逆向工程加热修补）此前公开记录中 59 次运行、横跨 11 种模型均未通过。作者设计了一种“先冻结服务再解题”的方法，通过引入构建阶段交给 Codex 执行，最终首次成功通过该任务，为 Agent 攻克高难度基准提供了新思路。

2026-08-19 ~ 2026-08-19 · 2 条相关