arXiv cs.AI· Zongxia Li, Zhongzhi Li, Yucheng Shi, Ruhan Wang, Junyao Yang, Zhichao Liu, Xiyang Wu, Anhao Li, Chengsong Huang, Ergan Shang, Yue Yu, Ninghao Liu, Lichao Sun, Haotao Mi, Leowei Liang·· 8 小时前AI 评分33
Long-Horizon-Terminal-Bench：用稠密奖励评分测试智能体长时程终端任务极限
Long-Horizon-Terminal-Bench: Testing the Limits of Agents on Long-Horizon Terminal Tasks with Dense Reward-Based Grading
AI 导读
研究者发布 Long-Horizon-Terminal-Bench，一个包含 46 个长时程任务的终端基准，覆盖实验复现、软件工程、多模态分析、交互游戏与科学计算等九类，并将任务分解为细粒度子任务以提供稠密中间奖励和部分得分。
来源：arXiv cs.AI · arxiv.org