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。
「编程与Agent」频道最新
- 开源 Agent Skill 2.3k 星:生成 MVP 蓝图并审计重构 agentic harness — tom_doerr · 2026-09-11
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11