Terminal-Bench Science · AA
Artificial Analysis / 科研 · 在終端完成科學工作流與分析。
在 888news 中參與排名
依據預算不參與排序
上游數據時間待核實
最近成功同步尚未開始採集
它測什麼，怎麼測
70 個 Harbour 科學終端任務，統一 mini-swe-agent，每題三次執行的平均 pass@1。
如何使用這份依據
計分：科學工作流；與 Vals 復跑的同一題庫共用一類評測。固定 10 個對照型號至少測到 6 個，才參與計算。
評測局限與數據署名
取 terminalBenchScience 總體成績，不混用領域切片。 缺測留空；回退成績計入並標註，受影響題目過半不計。
數據許可：Artificial Analysis 公開頁面資料；展示須顯著署名並連結來源，遵守其 Terms of Use
成績由 Artificial Analysis 發布，各項原始分數使用不同尺度，不能直接相加；參考名次採用公開的分差標準化規則。