研究者点赞 TerminalBench 验证器：eval 设计一年内复杂度陡增
AnkaReuel · x · 2026-09-25
研究者 Anka Reuel 称赞 TerminalBench 团队实现了扎实的验证器（verifier），能在接受提交前做彻底检查。她同时指出，这也说明评测（eval）设计在短短一年内已变得远比过去复杂、涉及面更广。
「编程与Agent」频道最新
- 演讲预告：智能体编程代码含历史后准确率从 80% 跌至 38% — sanjaykalra · 2026-09-25
- CLion 2026.2.3 支持 NVIDIA CUDA Tile C++ 语法 — blelbach · 2026-09-25
- 用户喊话 AI Bot 开放 MCP 接入：容器跑电脑是杀手锏 — doooyle · 2026-09-25
- 「ship faster」遭反感：开发者主张慢工出细活把 AI 当画布 — davidfromkansas · 2026-09-25
- 深度解析：量化到底对模型做了什么，为何 Q2 会毁掉你的 Agent — nickbaumann_ · 2026-09-25
- 三个前沿模型一周从零复刻《塞尔达传说》首支演示视频 — ChrisGPT · 2026-09-25