应用 · 项目档案
Terminal-Bench
按版本发布的可执行终端任务集合，配有容器化初始环境、参考解法和用于判断 Agent 结果的自动检查。
它可以用来做什么？
通过可执行的结果检查，测试 Agent 能否完成多步骤命令行工作。
使用前需要知道什么？
当前仓库是持续更新的基准，所链接论文描述的是 Terminal-Bench 2.0。比较结果时需固定数据集与评测框架版本。运行需要 Harbor 和受支持的沙盒后端；服务费用与任务依赖各不相同。仓库采用 Apache 2.0。
我们核查了什么？
本条目依据原始项目材料整理，未独立运行或复现结果。AI 参与开发的描述来自作者说明；上游版本、运行条件和许可应以原始来源为准。
- 资源类型
- 环境与评测
- 开发方式
- 开发方式未确认
- 来源核查
- 平台
- 请查阅上游说明