熱點事件持續更新
Terminal-Bench 4.0.0 兩項評分審計結果
1 篇報道1 個報道來源3 小時前更新
先了解這件事
AI 綜述
2026年11月3日22:15，DEV Community 報道 Epoch AI 與 Preference Model 分別對 Terminal-Bench 4.0.0 進行獨立審計。報道列出的結果為：一項審計發現 30/66 項公開評分存在缺陷；另一項則指出 41/65 項任務含有未明示的評分規則。兩組結果的問題描述及分母不同，現有報道內容沒有交代差異原因，也未提供審計後的修正措施或其他後續進展。因此，目前能確認的進展僅是這兩項審計結果已被報道，不能據此判定其中一組數字取代另一組。
AI 根據報道生成 · 2 小時前更新
最新進展11月3日 22:15
報道公佈兩項獨立審計結果，分別記錄 30/66 項公開評分缺陷及 41/65 項未明示評分規則。報道時間線
沿着報道，瞭解事件的不同側面。
11月3日
- DEV CommunityTerminal-Bench 4.0.0 兩項獨立審計：41/65 與 30/66 為何不同？
Epoch AI 與 Preference Model 審計 Terminal-Bench 4.0.0，分別記錄 30/66 項公開評分缺陷，以及 41/65 項任務存在未明示的評分規則。
本事件熱度走勢
還沒有足夠的連續觀測數據，暫不繪製趨勢。