arXiv · AI· Zhaoyang Chu, Jiarui Hu, Xingyu Jiang, Pengyu Zou, Han Li, Chao Peng, Peter O'Hearn, Earl T. Barr, Mark Harman, Federica Sarro, He Ye·· 23 小时前AI 评分38
TerminalWorld：评估智能体在真实终端任务中的基准测试
TerminalWorld: Benchmarking Agents on Real-World Terminal Tasks
AI 导读
研究团队提出 TerminalWorld，这是一个可扩展的数据引擎，通过逆向工程 80,870 条终端记录生成 1,530 个验证任务，其中精选 200 个构成 TerminalWorld-Verified 子集。
来源：arXiv · AI · arxiv.org