#TerminalBench

共 4 条 · 7 天 1 条 · 30 天 2 条

信息流里打上「TerminalBench」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月4日

论文 Agent 与开发者多源确认精选19:02

NVIDIA 新论文说终端命令别直接跑，先采样再验证，验证器要舍得花钱，Pass@1 直接从 50% 拉到 68%。

DAIR.AI@dair_ai11 个信源在谈原文

9月20日

DAIR.AI 和 MIT 新方法 SIFT，用 LLM 判定器筛选，把代码生成效率提升 10 倍，比 DGM 算法快很多。

elvis@omarsar0原文

8月1日

DeepSeek把V4-Flash API公测了，输入才0.14刀每百万token，Agent跑分还涨了20多分，想折腾的可以试试。

elvis@omarsar011 个信源在谈原文

6月17日

别被固定预算的基准分数骗了，这篇论文揭示了很多模型实际能力需要更多推理计算才能看出来。

arXiv cs.AI@Jessica McFadyen 等 5 人原文