实体
TerminalBench
TerminalBench
PulseAugur coverage of TerminalBench — every cluster mentioning TerminalBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
EarlyEval框架通过预测结果将LLM智能体评估成本削减
研究人员开发了EarlyEval，一个旨在显著降低大型语言模型（LLM）智能体评估成本的新框架。通过从智能体的中间行为预测其任务的最终结果，EarlyEval可以提前终止运行，从而减少计算资源和令牌使用量。该方法使用LightGBM分类器，在多个基准测试中证明了在对预测准确性影响极小的情况下，能够消除13%-26%的智能体步骤。
-
新的 TerminalTraj 管道生成大规模终端智能体轨迹
研究人员开发了 TerminalTraj，一个旨在为训练智能体模型生成大规模、可执行、可验证的终端轨迹的新管道。该系统解决了创建多样化 Docker 化环境和确保任务可验证性的挑战。该管道已被用于整理 32,000 个 Docker 镜像，并在八个领域生成了超过 50,000 条已验证的轨迹。使用 Qwen2.5-Coder 主干在该数据上训练的模型在 TerminalBench 基准测试中表现出显著的性能提升，其中 Terminal…