**Long-Horizon-Terminal-Bench：测试智能体在长周期终端任务中的极限** _Long-Horizon-Terminal-Bench:

**Long-Horizon-Terminal-Bench：测试智能体在长周期终端任务中的极限**

_Long-Horizon-Terminal-Bench: Testing the Limits of Agents on Long-Horizon Terminal Tasks with Dense Reward-Based Grading_

> HuggingFace发布Long-Horizon-Terminal-Bench基准，包含46个长周期终端任务。该基准通过细粒度子任务提供密集奖励信号，评估智能体的长期规划与调试能力。测试显示，当前前沿模型在复杂任务中表现仍有限，平均通过率仅1.7%-4.3%，揭示了显著的提升空间。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-13 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.08964)