arXiv cs.AI· Zongxia Li, Zhongzhi Li, Yucheng Shi, Ruhan Wang, Junyao Yang, Chengsong Huang, Zhichao Liu, Xiyang Wu, Anhao Li, Yue Yu, Ergan Shang, Fuxiao Liu, Tong Zheng, Ninghao Liu, Lichao Sun, Haitao Mi, Leowei Liang·· 19 天前AI 评分44
Long-Horizon-Terminal-Bench 2.0：自动化多样化任务构建与衡量 AI 智能体持续进展
Long-Horizon-Terminal-Bench 2.0: Automating Diverse Task Construction and Measuring Sustained Agent Progress
AI 导读
研究人员推出 LHTB 2.0 基准，包含涵盖 13 个领域和 8 种任务类型的 77 个任务，并将评测时长从 90 分钟延长至 3 小时，每 30 分钟记录一次检查点以衡量智能体的持续进展。
来源：arXiv cs.AI · arxiv.org