Terminal-Bench-Science 细节：定义下一代科学编码 Agent
ajratner · x · 2026-08-28
帖子详细介绍了 Terminal-Bench-Science v0.1 的构建细节与愿景。该项目旨在定义下一代科学编码 Agent，即“科学界的 Claude Code”。基准包含来自物理、生命和数学科学的真实计算工作流，具有极高的任务广度和现实主义。其建立过程极具挑战性，需要高领域专长的科学家参与。除了任务难度排行榜，该项目还确立了基准构建的高质量标准，包括多阶段专家审查。
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
- RLVR 微调致解空间坍缩，加入 replay 缓冲可保多样性并提升 pass@8 — manoelribeiro · 2026-10-15
- ModeBench 揭示 RLVR 让 LLM 只会一种解法，Re:Max 训练法可保解法多样性 — manoelribeiro · 2026-10-15
- NYU 团队推出 SCOOP：用策略协调循环让 LLM 学会真正探索 — jaseweston · 2026-10-15
- Google WeatherNext 助 NHC 预报飓风 Isaias，提前 3 天锁定路径误差 60 公里内 — PeterWBattaglia · 2026-10-15
- MIT 用简单局部突触规则让神经网络自建学习机制 — ChuckDBrooks · 2026-10-15
- 中科大提出 VASPO:自蒸馏结合特权价值估计改进 PPO 推理 — ustc-community · 2026-10-15