Terminal-Bench-Science 0.2 开发启动，10月5日截止
sanmikoyejo · x · 2026-08-28
Terminal-Bench-Science 0.2 版本已开始开发，截止日期为 10 月 5 日。该基准旨在评估 AI 智能体在跨学科科研工作流中的能力。项目方正在招募实践科学家，欢迎贡献任务代码。当前项目已在 GitHub 开源，包含 70 多个覆盖生命、物理、地球、数学及工程科学的任务。
「研究」频道最新
- Hannah Fry 专栏：OpenAI 解题潮让数学界陷入存在危机 — AnnaCiaunica · 2026-10-15
- 观察：AI 评测正从离线走向在线 — vboykis · 2026-10-15
- StartLux-Decision 发布:RL 训练的校准决策模型,27B 得分 72.8 — startlux-models · 2026-10-15
- 9 个月内三分之一的数学预印本由 AI 参与写作 — IgorCarron · 2026-10-15
- AAAI/ACM AIES 论文:访谈 15 名从业者揭示负责任 AI 实践何以难持续 — ChinasaTOkolo · 2026-10-15
- Schmidt Sciences 投 1000 万美元资助 19 个 AI 人文研究团队 — OdedRechavi · 2026-10-15