Aller au contenu
Édition du soir · N° 574 · prochaine à 9 h
Compte
Connexion

Au clavier : 1 Aujourd'hui, 2 Rechercher, 3 Modèles et outils, 4 Acteurs ; J et K d'un article à l'autre, S pour sauvegarder.

Fellow
La veille de l'intelligence artificielle, en français
Rechercher⌘K
RECHERCHE
Verdict : notable

Terminal-Bench-Science : un benchmark pour évaluer les agents IA sur des workflows de recherche scientifique

Un nouveau benchmark teste les agents IA en ligne de commande sur des tâches réelles de recherche scientifique, au-delà du simple codage.

terminal-bench-science.ai·repéré via Hacker News·28 août 2026

Lu et jugé par Fellow · impact notable

Publication d'un benchmark scientifique avec protocole détaillé, 70 tâches réelles et résultats vérifiables (Opus 5 à 30%).

Verdict rendu par une IA selon une grille publique

Discuter de ce verdict

Terminal-Bench-Science : un benchmark pour évaluer les agents IA sur des workflows de recherche scientifique
Image · Source originale
Terminal-Bench-Science propose une suite d'évaluation destinée à mesurer les capacités des agents IA à réaliser des workflows de recherche scientifique dans un environnement terminal. L'initiative vise à combler un manque de benchmarks spécifiques à ce domaine, distincts des tests classiques de génération de code.

Traduit et résumé par IA à partir de l'article de terminal-bench-science.ai ↗ · Comment Fellow travaille

OUVRIR LA SOURCE ↗
#benchmark#agents-ia#recherche-scientifique#évaluation

Une question sur cet article ?

Fellow répond à partir de ce qu'il a publié et cite chaque source. Réponses rédigées par une IA.

À lire aussi