已验证65% 置信事实精确时间
Terminal-Bench 4.0是面向命令行代理的评测集，要求模型在真实终端环境中完成多步操作，考察长程执行中的连贯性与自纠错能力。
3
来源数
65%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证Terminal-Bench 2.1 考察AI在命令行终端环境中完成任务的能力75% 相似待验证Terminal-Bench Evolve中每个任务保持目标不变但不断修改执行条件，衍生出environment 0到4共五个环境状态68% 相似待验证AutomationBench-AA 聚焦于端到端的自动化任务完成率，涵盖工具调用、多步规划、错误恢复等维度。63% 相似待验证TurnBench 是专门用于评估对话轮次结束检测能力的基准数据集，包含自然停顿、犹豫、句式未完成等歧义边界情况61% 相似待验证BatchBench 提供一个可复现的基准，让域适应、鲁棒性优化等研究方向有了共同的参照系。59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1025652API
curl https://kongchang.com/api/v1/knowledge/claims/1025652MCP
get_claim(id=1025652)