斯坦福团队发布 Terminal-Bench-Science 0.1：面向科研工作流的 AI 智能体评估基准

OmniTools 8月28日消息，斯坦福大学研究人员领衔发布 Terminal-Bench-Science 0.1，首个专注于科研工作流的 AI 智能体评估基准。

该基准涵盖生命科学、物理学、地球科学、数学与工程学五大领域，共包含 70 个由领域专家精选的任务，旨在系统评测 AI 智能体在真实科研场景中的推理、工具调用与多步问题解决能力。

Terminal-Bench-Science 0.1 已开源，相关数据集与评估协议已发布于官网 terminal-bench-science.ai。