Terminal-Bench科学基准显示AI agent在力学材料问题中表现惊人
BenBlaiszik · x · 2026-07-09
Ben Blaiszik参与Terminal-Bench科学基准的力学材料基准开发，发现GPT 5.5和Opus 4.8已具备博士级力学能力，通过搜索和agent代码实现。基准问题难度需很高才能让agent失败，但为避免数据泄露未公开细节。
BenBlaiszik · x · 2026-07-09
Ben Blaiszik参与Terminal-Bench科学基准的力学材料基准开发，发现GPT 5.5和Opus 4.8已具备博士级力学能力，通过搜索和agent代码实现。基准问题难度需很高才能让agent失败，但为避免数据泄露未公开细节。