LHTB 2.0长时程终端智能体基准发布
热点事件持续更新
LHTB 2.0长时程终端智能体基准发布
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年10月14日，Zongxia Li等作者在arXiv发布Long-Horizon-Terminal-Bench 2.0（LHTB 2.0）。据该报道，LHTB 2.0是对Long-Horizon-Terminal-Bench的扩展，保留原有46个任务，同时修正任务与评估基础设施缺陷，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，以便直接衡量单次运行中的持续进展。在来自15个前沿模型的1145次已评分模型-任务运行中，GPT-6-astra以密集平均奖励0.69居首，并有37个任务达到R至少0.95；GPT-5.6-sol以密集平均奖励0.67紧随其后，有32个任务达到同一阈值。以上均为该报道所述内容。
AI 根据报道生成 · 1 小时前更新
最新进展10月14日 12:00
Long-Horizon-Terminal-Bench 2.0：自动化任务构建与衡量智能体持续进展报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv Artificial IntelligenceLong-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（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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。