Terminal-Bench-Science : Évaluer les agents IA sur les flux de travail de recherche scientifique
Terminal-Bench-Science 0.1 introduit un nouveau standard pour évaluer les capacités des agents IA dans les flux de travail de recherche scientifique. Conçu par Stanford, ce benchmark engage les scientifiques à définir les critères d'évaluation, intégrant 70 tâches issues de divers domaines scientifiques.
Lire