Terminal-Bench 扩展到科学工作流
StanfordAILab · x · 2026-07-13
Stanford AI Lab 转发宣布 **Terminal-Bench Science**：把原本用于编码任务的 Terminal-Bench 扩展到**真实科学工作流**的 AI agent 评测。 项目目前**开放任务贡献**，目标是更系统地衡量 agent 在科学场景中的表现，而不是只看代码题上的能力。
StanfordAILab · x · 2026-07-13
Stanford AI Lab 转发宣布 **Terminal-Bench Science**：把原本用于编码任务的 Terminal-Bench 扩展到**真实科学工作流**的 AI agent 评测。 项目目前**开放任务贡献**，目标是更系统地衡量 agent 在科学场景中的表现，而不是只看代码题上的能力。