earth-system

TerraBench 是一个新基准，用于评估人工智能智能体在异构地球系统数据（包括网格数据、卫星图像和模拟器输出）上进行推理的能力。它揭示了当前前沿模型的显著局限性，表现最佳的模型平均工具使用得分仅为 59.2%。