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。