Terminal-Bench-Science 是一个旨在评估AI代理在执行科学研究任务方面能力的新基准。该基准旨在评估AI代理在科学发现和分析中导航和执行复杂工作流的有效性。 AI
影响 该基准有望推动AI代理在复杂科学任务方面能力的提升。
排序理由 该集群描述了一个用于评估AI代理的新基准,属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →