Terminal-Bench 2

Terminal-Bench 2는 터미널 기반 에이전트의 작업 수행 능력을 평가하는 벤치마크입니다. 글에서는 이 평가를 통해 셸 구조, 프롬프트, view_image 도구, 명령 시간 제한을 반복적으로 조정했지만, 최종 결과는 벤치마크에 맞춘 대규모 최적화 없이 사용했습니다.