一个测 AI Agent 能不能"长时间干活"的基准：给它 46 个要在终端里跑好几百步的任务，看它能不能在带状态的环境里持续做出有用成果，而且用隐藏验证器打分，不让它自己报进度糊弄。Grok 4.5 上大分
https://github.com/zli12321/LHTB

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息