arXiv Artificial Intelligence· 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 小时前AI 评分38
Long-Horizon-Terminal-Bench 2.0：自动化任务构建与衡量智能体持续进展
Long-Horizon-Terminal-Bench 2.0: Automating Diverse Task Construction and Measuring Sustained Agent Progress
AI 导读
Long-Horizon-Terminal-Bench 2.0（LHTB 2.0）在保留原有 46 个任务的基础上修正缺陷并扩展 31 个任务，共含 13 个领域、8 种任务类型的 77 个任务，评估时长从 90 分钟延长至三小时，每 30 分钟记录一次验证器检查点。
来源：arXiv Artificial Intelligence · arxiv.org