Terminal-Bench Science · Vals
Vals AI / 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 個專家稽核的科學終端任務，統一 Mini-SWE-agent，由任務驗證器檢查結果。
如何使用這份依據
計分：科學工作流；與 AA 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
只取版本 0.1 的 Mini-SWE-agent 成績；Terminus 2 不混入。 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：官方公開結果；公開再展示保留官方署名，完整再分發授權仍以 Vals 條款為準
成績由 Vals AI 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。