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
- GitHub Next 发布 Chopin:实时多人的 Agent 协作规划环境原型 — max__drake · 2026-10-27
- TMLR 论文：更强推理不等于更充分披露，Agent 思考越多未必告知越全 — SharonYixuanLi · 2026-10-27
- 作者称全由 LLM 编写的 Rust 库 bbtree 实测：快是真的，省内存翻车 — lmoroney · 2026-10-27
- 全靠 LLM 写代码的 Rust 有序映射 bbtree:单线程快 5 倍、96 线程快 12 倍 — lmoroney · 2026-10-27
- 同一套 DeepSeek 内核两种优化路线：vLLM 拆专家、SGLang 降访存 — AccBalanced · 2026-10-27
- 用 Tailscale 让云端 Grok Bot 在自己 Mac mini 上写代码，全程不开公网端口 — talkaboutdesign · 2026-10-27