最新

有很多很棒的字体，但还有什么缺失呢？<p>在我的清单上： - 显示不可打印的/零宽字符 - “放松”的氛围？

我想分享一个新的数据集，包含331个可奖励破解的环境。这些是真实的环境，应用于Terminal Bench及其相关基准测试。我最初对此产生兴趣是因为，作为Terminal Bench的评审，我注意到我们的许多任务都是可破解的。我还发现，许多基准测试的贡献者之所以参与，是因为这为他们向实验室出售环境提供了可信度。因此，在我看来，TBench的任务质量标准高于当前用于强化学习的任务。没有人会花费数小时手动审核主要实验室购买的价值10亿美元的任务。据我了解，虽然大家都知道环境是可破解的，但没有人发布过数百个“真实”的环境。