Terminal-Bench

Stanford 与 Laude Institute，2025-05-19。真实 Docker 沙箱里的命令行任务；看最终环境状态，不看 transcript 漂不漂亮。

1. 材料 — 按发布时公开说明转述：任务形态、Terminus 基线。
2. 讲解 — 环境状态谓词；与 SWE-bench 的补丁尺子必须分开。

项目与说明见 laude-institute/terminal-bench。发布报道：2025-05-19。论文更晚（2026 年挂出），本页以 2025-05 基准上线为准。