920 项提案仅 70 项入选 Terminal-Bench-Science
sanmikoyejo · x · 2026-08-28
任务通过公开评审流程由全球研究人员贡献。每个任务需经过三层评审：领域评审员、技术评审员和标准把关人（Bar Raiser）。从 920 项提案中，最终 70 项任务入选 Terminal-Bench-Science 0.1。入选任务必须具备科学依据、客观可验证性，并对前沿智能体构成真正的挑战。
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
- Pathway CSO 演讲展望后 Transformer 架构 BDH：每瓦特更高智能 — schwentker · 2026-10-15
- EmbodiedEvo 登顶 RoboDojo：失败的机器人练习也能被下一个 agent 继承 — thetripathi58 · 2026-10-15
- 797GB n-gram 放进 CPU 内存，小模型硬扛多 57% 算力 — PangWeiKoh · 2026-10-15
- Google 论文 Harness²:无验证器下递归进化 agent harness,最高提升 11.5 分 — dair_ai · 2026-10-15
- Kambhampati 明尼苏达开讲：「LLM 思考 token 神话」的系统拆解 — rao2z · 2026-10-15
- 3D Gaussian Splatting 科普：机器人如何记住看不见的世界 — TheTuringPost · 2026-10-15