Terminal-Bench 2.1

Eine verifizierte Aktualisierung von Terminal-Bench 2.0: 89 kuratierte Aufgaben aus Softwareentwicklung, Systemadministration, Datenverarbeitung, Modelltraining und Sicherheit, mit Korrekturen an Umgebung und Anweisungen, damit die Ergebnisse die Fähigkeiten der Agenten und nicht Umgebungslücken widerspiegeln.