TerminalBench-Science v0.1：Opus 5 综合领先
BenBlaiszik · x · 2026-08-28
TerminalBench-Science v0.1 包含 70 个任务，涵盖生命、物理、数学、工程和地球科学。在通过率方面，Claude Opus 5 领先 GPT-5.6 Sol，但在数学领域 Sol 以 31.4% 胜出。项目旨在建立科学家贡献、Agent 提升、发现加速的良性循环，目前仍在持续接受任务贡献。
所属事件:斯坦福发布 Terminal-Bench-Science，Opus 5 通过率仅 30%(19 条相关)→
「研究」频道最新
- DeepPhylo 用深度学习推断系统发育树，摆脱恒定突变率等强假设 — anshulkundaje · 2026-10-15
- Wander 预印本提出图基础模型:随机游走接口统一图预测任务 — mmbronstein · 2026-10-15
- CHI 审稿人观察:AI 垃圾论文泛滥,但好研究依然在出现 — IanArawjo · 2026-10-15
- CMU 基准测试:135 篇 AI 代理科研论文 114 篇未过诚信审查 — arankomatsuzaki · 2026-10-15
- 让 AI 真正从经验中学习:资深从业者给出 8 条不可妥协原则 — tokenbender · 2026-10-15
- Benchling 发布 Science Foundries：智能体蜂群重塑科研工作流 — nlarusstone · 2026-10-15