참고HF Papers
Long-Horizon-Terminal-Bench 공개…46개 장기 터미널 작업으로 에이전트 한계 측정
작업당 평균 990만 토큰·231에피소드 소요. 코딩 에이전트 장기 성능 평가·비용 산정에 참고할 벤치마크.
원문 제목 Long-Horizon-Terminal-Bench: Testing the Limits of Agents on Long-Horizon Terminal Tasks with Dense Reward-Based Grading
원문 보기 ↗