Long-Horizon-Terminal-Bench 2.0：自动化构建多样化任务并衡量 Agent 的持续进展
英文标题：Long-Horizon-Terminal-Bench 2.0: Automating Diverse Task Construction and Measuring Sustained Agent Progress
论文发布了 Long-Horizon-Terminal-Bench 2.0（LHTB 2.0），旨在自动化构建多样化的长程终端任务，并评估 Agent 在任务执行过程中的持续进展。该类基准不仅检查任务最终状态是否通过二元验证，还通过过程奖励衡量 Agent 能否在较长工作流中持续推进。对开发者而言，这类评测可用于识别 Agent 在多步骤终端操作、长期规划与中途纠错中的能力短板。论文原始摘要仅提供了部分内容，未包含具体任务规模、评测结果或模型排名。
打开原文相关 4 · 机会 2
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
Long-Horizon-Terminal-Bench 2.0：自动化构建多样化任务并衡量 Agent 的持续进展
arXiv:2610.14146v1
发布类型：new
摘要
长程终端基准用于衡量 Agent 是否能够通过过程奖励，在延展的工作流中持续推进任务，而不只是检查其最终状态是否通过二元验证。我们提出 Long-Horizon-Terminal-Bench 2.0（LHTB 2.0），这是一个扩展版本。
原始摘要在此处截断，未提供后续内容。
BibTeX 格式引文
English / 原文
BibTeX formatted citation
×