斯坦福博士生Steven Dillmann介绍Terminal-Bench-Science：AI智能体在科学研究中的评测基准
Frontier Data Summit 2026 演讲视频，由 Stanford 博士生、Terminal-Bench-Science 项目负责人 Steven Dillmann 主讲。该基准测试评估 AI 智能体在生命、物理、地球、数学和工程科学领域的工作流能力，重点介绍了科学家主导的任务审查流程及 0.1 版本的初步模型结果。
重要性局部证据E2 未复现写法快讯
本资源为 Frontier Data Summit 2026 的演讲视频，主讲人为 Stanford 博士生、Terminal-Bench-Science 项目负责人 Steven Dillmann。
Terminal-Bench-Science 旨在评估 AI 智能体在真实科学研究工作流中的表现，覆盖生命、物理、地球、数学和工程五大科学领域。
视频内容涵盖科学家主导的任务审查流程、0.1 版本发布的任务示例与早期模型结果、跨模型的排行榜数据，以及研究人员如何贡献任务的路线图。
该项目获得了 Snorkel AI Open Benchmarks Grants 的支持。对于关注 AI 代理在科学发现中实际能力边界的研究者和开发者，此视频提供了关于基准构建方法和初步评测结果的直接参考。