★ 3
科学工作流AI代理评测基准
Terminal-Bench-Science 是一个用于评估 AI 代理在科学研究工作流中表现的基准测试。该基准旨在衡量 AI 在真实科研任务中的能力，对 AI 在科学发现领域的应用具有参考价值。
Hacker News66 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
Terminal-Bench-Science 是一个用于评估 AI 代理在科学研究工作流中表现的基准测试。该基准旨在衡量 AI 在真实科研任务中的能力，对 AI 在科学发现领域的应用具有参考价值。