LHTB 2.0 长时程终端 Agent 基准发布
热点事件持续更新
LHTB 2.0 长时程终端 Agent 基准发布
2 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Zongxia Li 等作者发布 Long-Horizon-Terminal-Bench 2.0（LHTB 2.0），在保留初版 46 个任务的基础上修正任务与评估基础设施缺陷，并新增 31 个任务，使任务总数达到 77 个，覆盖 13 个领域和 8 种任务类型。 初版 Long-Horizon-Terminal-Bench 包含 46 个长时程终端任务，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。 2.0 版将评估时长从 90 分钟延长至三小时，并每 30 分钟记录一次验证器检查点，用于衡量智能体在长时程任务中的持续进展。
AI 根据报道生成 · 15 分钟前更新
最新进展10月15日 12:00
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事件进展
2 个进展
- 10月15日 12:00 · 1 篇报道发布LHTB 2.0长时程终端Agent基准arXiv cs.AI：Long-Horizon-Terminal-Bench 2.0 发布：自动化构建任务并衡量智能体持续进展
- 10月15日 12:00 · 1 篇报道发布长时程终端任务基准arXiv cs.AI：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
报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AILong-Horizon-Terminal-Bench：用稠密奖励评分测试智能体长时程终端任务极限
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。
- arXiv cs.AILong-Horizon-Terminal-Bench 2.0 发布：自动化构建任务并衡量智能体持续进展
Long-Horizon-Terminal-Bench 2.0（LHTB 2.0）发布，保留原有 46 个任务并扩展至 77 个任务、覆盖 13 个领域和 8 种任务类型，评估时长从 90 分钟延长至三小时、每 30 分钟记录验证器检查点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。