@himanshustwts: 我试图理解TB-science的任务设计哲学。他们明确拒绝了诸如 - 教科书微分…

X AI KOLs Timeline 2026/08/27 22:16 新闻

ai-benchmark scientific-research ai-agents open-source stanford community-effort

摘要

Terminal-Bench-Science 是一个新基准，版本0.1.0，用于评估AI代理在科学研究工作流上的表现，由斯坦福社区主导开发。

我试图理解TB-science的任务设计哲学。他们明确拒绝了诸如以下任务： - 教科书微分方程 - 通用CSV清洗 - 标准本科级别机器学习练习 - 文献综述 - 通过查找一个晦涩事实即可解决的任务（有趣）非常有意义的工作，有趣的是这是0.1.0版本发布，所以我对未来的发展非常期待。

查看原文

查看缓存全文

缓存时间: 2026/08/27 23:41

我试图理解 TB-science 的任务设计哲学。他们明确排除了以下类型的任务：

教科书式微分方程
通用CSV数据清洗
本科水平的机器学习习题
文献摘要
仅需查阅一个冷门事实即可完成的任务（这点很有趣）

这是非常有意义的工作，而且有趣的是这仅是0.1.0版本发布，因此我对它的未来发展感到非常兴奋。

Steven Dillmann (@StevenDillmann):
我们发布 Terminal-Bench-Science：一个用于评估AI智能体在多学科领域研究工作流程表现的评测基准。

这是一项由斯坦福大学主导的持续社区项目，由 Terminal-Bench 团队与研究机构的科学领域专家共同构建。