Terminal-Bench 4.0 发布：校准算力资源并移除饱和任务
giansegato · x · 2026-08-29
Terminal-Bench 数据集和排行榜迎来了 4.0 版本更新。新版本主要改进包括：校准任务所需的计算资源（时间、CPU、内存），修复了部分任务中的错误，并移除了已达到饱和状态的任务。
所属事件:Terminal-Bench 4.0 发布：Opus 5 领跑、GLM 5.3 成最佳开源(14 条相关)→
「研究」频道最新
- 上交大 AutoLab 发布 Drive3R:流式 3D 重建基础模型瞄准自动驾驶 — AutoLab-SJTU · 2026-10-16
- 独立研究者发布 Cortex:用重放实测自动进化与修剪编码 Agent 的 skills 和 rules — Samuele Giampieri · 2026-10-16
- 团队用「零延迟实验室」测出 agent 药物发现是否靠预训练记忆作弊 — niloofar_mire · 2026-10-16
- 2.6 亿参数循环扩散模型反超 6 倍大小基线，推理算力省近 5 倍 — burkov · 2026-10-16
- 斯坦福 NCM 先画草稿再并行补细节，单 H100 生成提速 21 倍 — lmoroney · 2026-10-16
- AfterQuery 微调 Nemotron 3.5 Super VL:金融信额度准确率 47% 提至 74%,成本仅 1/7 — ycombinator · 2026-10-16