zli12321/LHTB: Redaktioneller README-Leitfaden

zli12321/LHTB beschreibt sich im README als „Long Horizon Terminal Benchmark with Dense Reward Grading". Dieser Text bleibt bei Fakten, die im Repository überprüfbar sind. Sterne, Forks und Badges zeigen Aufmerksamkeit, aber keine Qualität. Unter „Long-Horizon Terminal-Bench (LHTB)" steht: Long-Horizon Terminal-Bench is a 46-task benchmark for measuring how well LLM agents sustain useful work in a containerized terminal over hundreds of steps.. Das beschreibt den vorgesehenen Umfang, nicht einen Produktionstest.

Der Abschnitt „The benchmark is hard" zeigt, für welches Problem das Projekt gedacht ist: Only 17 tasks are solved by at least one model.. Passt dieses Problem nicht zu deinem Fall, ist Popularität kein ausreichender Grund. Namen, Befehle und Komponenten bleiben unverändert, damit Leser die Primärquelle ohne neue Begriffe vergleichen können. Ein weiterer überprüfbarer README-Punkt lautet: 29 of 46 tasks are never solved (R ≥ 0.95) by any model.. Er hilft beim ersten Test, ersetzt aber keinen Test in der vorgesehenen Umgebung.

Die Betriebsweise verteilt sich auf Abschnitte wie „Long-Horizon Terminal-Bench (LHTB)". Die Quelle nennt: Tasks span interactive games & puzzles, multimodal analysis, software / reverse engineering, scientific computing, earth & energy systems, security & performance, research reproduction, and professional APEX-style workflows.. Fehlende Angaben zu Architektur, Leistung oder Sicherheit werden nicht ergänzt. Vor einem echten Einsatz müssen Repository-Struktur, Konfigurationsdateien und Release-Verlauf geprüft werden.

Beginne die Installation am dokumentierten README-Einstieg. Ein überprüfbarer Befehl ist: uv tool install harbor # or: pip install harbor Wenn kein ausführbarer Befehl vorhanden ist, wird hier keiner erfunden. Prüfe den Abschnitt „Results (July 2026 snapshot)" auf Abhängigkeiten, Standardports und die Einrichtung beim ersten Start.