Terminal-Bench 4.0 发布，疑使用公开任务
teortaxesTex · x · 2026-08-29
Terminal-Bench 4.0 发布。用户指出，TB3 两个月前才落地，但任务收集了 4.5 个月以上；TB4 中没有新任务，只是移除或修改了部分任务。这意味着部分任务已有 5 个月以上历史，且随同解答/评分器在 GitHub 上公开。虽然未证实 Zai 是否在这些任务上训练，但质疑很难相信没有公司利用这些免费且易于获取的环境（Harbour 兼容）。
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
- Devin Oncall 登顶 SREGym：自动值守排障达 100% 端到端成功率 — tianyin_xu · 2026-10-16
- 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