スタンフォード大学らが科学研究ワークフロー評価用ベンチマーク「Terminal-Bench-Science 0.1」を公開

要点：生命科学や物理学など5分野から厳選された70のタスクを用い、AIエージェントの科学研究能力を評価するベンチマークが公開されました。研究開発の自動化におけるAIの適性を測定するための新たな指標となります。