56 位 AI 从业者票选 Terminal-Bench 4 为最可信前沿基准
Chris Barber 调研了 56 位 AI 领域从业者,请他们从 63 个基准中选出最能可信判断一个 LLM 是否达到前沿水平的基准。统计结果显示 Terminal-Bench 4 得票居首,整体呈现编码与 Agent 类基准主导的格局,表明业界普遍认为实际任务执行能力比传统知识问答更能体现模型的前沿水平。
2026-11-16 ~ 2026-11-16 · 3 条相关
- 56 位 AI 从业者票选最能判断前沿模型的基准:Terminal-Bench 4 居首 — eliebakouch · 2026-11-16
另有 2 条近重复转述:AccBalanced · BenBlaiszik