21:28
Stanford AI Lab@StanfordAILab
Stanford AI Lab@StanfordAILab推荐理由：斯坦福发布了科研AI代理基准Terminal-Bench-Science，Claude Opus 5仅完成30%，看看你的模型表现如何。
Terminal-Bench-Science
共 1 条相关 AI 资讯
8月28日
21:28
Terminal-Bench-Science是一个评估AI代理在科研工作流表现的基准测试。该基准由斯坦福大学领导，v0.1版本包含70个任务。Claude Opus 5仅能解决约30%的任务。这是Terminal-Bench团队与全球科研机构科学领域专家共同开发的成果。