斯坦福 CS329Z 客座讲座:Alex Shaw 讲解 Terminal-Bench 如何评测 AI Agent
stanfordnlp · x · 2026-11-22
Stanford NLP 官方转发了 Stanford CS329Z 课程的客座讲座视频,主题为 Terminal-Bench: Evaluating AI Agents,由 Alex Shaw 与 Ryan Marten 主讲。
该讲座系统讲解如何用 Terminal-Bench 这类基准评测 AI Agent 的实际能力,对关注 agent 评测工程的人是系统学习材料。
「编程与Agent」频道最新
- DHH 深谈 Omarchy 与 AI:新访谈浓缩其开发理念 — mark_k · 2026-11-22
- Gemini 4 Neon 通读仓库搭出 3D 神经角色 demo,无需 NVIDIA GPU — Eric520CC · 2026-11-22
- RLVR 训练只奖励单任务得分:模型不在乎代码长期可维护性,得靠人来管 — bendee983 · 2026-11-22
- 23 章 Lean 4 小书免费在线读:从 BM25 到 Ollama 本地 LLM 全带实例 — danbri · 2026-11-22
- Claude Code 把 Kimi K3.1 当 200K 模型:95 次测试自动压缩 148 次 — zainhas · 2026-11-22
- NF Campos 力挺 LangChain 知识工厂文章:在多个领域独立得出几乎相同设计 — hwchase17 · 2026-11-22