Terminal-Benchが「Harbor」と「2.0」を発表、エージェント検証を厳格化
Terminal-Benchは本日、大規模なサンドボックス環境でエージェントを実行するパッケージ「Harbor」と、検証基準を高めて難易度を引き上げた「Terminal-Bench 2.0」を発表しました。自律型エージェントの評価環境をより堅牢に整備します。
Terminal-Benchは本日、大規模なサンドボックス環境でエージェントを実行するパッケージ「Harbor」と、検証基準を高めて難易度を引き上げた「Terminal-Bench 2.0」を発表しました。自律型エージェントの評価環境をより堅牢に整備します。