arXiv 人工智能· 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·· 7 小时前AI 评分44
Long-Horizon-Terminal-Bench 2.0：自动化多样任务构建并评估 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
研究人员推出基准测试 Long-Horizon-Terminal-Bench 2.0（LHTB 2.0），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工作进展。
来源：arXiv 人工智能 · arxiv.org