长时程终端智能体评测基准
_akhaliq · x · 2026-07-14
Long-Horizon-Terminal-Bench 是一个用来测试智能体在长时程终端任务上极限的基准。核心特点是采用基于密集奖励的评分,用更细粒度的方式衡量 agent 在复杂、持续、多步骤任务中的完成情况。
这条信息本质上是在说:当前智能体能力评估不应只看短任务或一次性成功率,而要看它们在长链路终端操作中的稳定性、持续执行能力和中途纠错能力。
所属事件:腾讯混元发布长程终端基准,前沿模型表现不佳(6 条相关)→
「研究」频道最新
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文:流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11
- Skyfall GS 登场:用 Flux 提升 Gaussian Splatting 精修质量 — ducha_aiki · 2026-09-11
- 一万个智能体能否突破反向传播,找到更好的学习算法 — SeunghyunSEO7 · 2026-09-11