技术
Terminal-Bench
评估 AI 智能体在真实终端环境中完成命令行任务能力的基准测试。
详细解释
随着智能体被用于自动化运维与开发，仅靠问答评测已不够。Terminal-Bench 提供容器化终端环境与多样化任务，如文件操作、软件安装、调试脚本，要求智能体通过命令行交互达成目标，并按任务完成度打分，用于衡量其在真实系统操作中的规划与纠错能力。
别名与相关写法
terminal bench
评估 AI 智能体在真实终端环境中完成命令行任务能力的基准测试。
随着智能体被用于自动化运维与开发，仅靠问答评测已不够。Terminal-Bench 提供容器化终端环境与多样化任务，如文件操作、软件安装、调试脚本，要求智能体通过命令行交互达成目标，并按任务完成度打分，用于衡量其在真实系统操作中的规划与纠错能力。