zli12321/LHTB：README 來源編輯指南

zli12321/LHTB 的 README 將專案描述為「Long Horizon Terminal Benchmark with Dense Reward Grading」。本文只整理倉庫可直接核對的內容，不把 star、Fork 或宣傳語當成品質證明。README 在「Long-Horizon Terminal-Bench (LHTB)」下寫到：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.。這說明的是專案邊界，不是已完成的生產驗證。

從 README 的「The benchmark is hard」與相關條目，可以先判斷它是否處理你的實際問題：Only 17 tasks are solved by at least one model.。若需求不同，不應只因專案熱度就採用。本文保留原始專案名、命令與元件名，方便回到一手來源核對。 README 另外列出一項可核對的資訊：29 of 46 tasks are never solved (R ≥ 0.95) by any model.。這類原文條目可用來設計試跑步驟，但不能取代實際環境測試。

README 將運作方式分散在「Long-Horizon Terminal-Bench (LHTB)」等段落。可確認的線索包括：Tasks span interactive games & puzzles, multimodal analysis, software / reverse engineering, scientific computing, earth & energy systems, security & performance, research reproduction, and professional APEX-style workflows.。本文不把未寫出的架構、效能或安全邊界補成結論；真正的執行鏈仍要配合目錄、設定檔與版本標籤檢查。

第一次安裝應從 README 指出的入口開始。目前可核對的命令是： uv tool install harbor # or: pip install harbor 如果倉庫沒有命令，本文不會自行編造步驟，而是建議先閱讀「Results (July 2026 snapshot)」，確認系統依賴、預設埠與首次初始化。

日常使用取決於專案文件。README 的「Long-Horizon Terminal-Bench (LHTB)」段落提到：> ⚠️ Harness update , continue-until-timeout. LHTB adds one behavior on top of > Harbor: for long-horizon tasks the agent keeps working until the task timeout > instead of ending the moment it declares the task complete.。設定檔、環境變數、權限與資料目錄只在來源明確時才會記錄；沒有寫出的預設值，應在測試環境驗證並保留回滾副本。 同一部分也提到：Across all model×task runs, 55% land at reward < 0.25 , agents get stuck, loop, or quit early well before the budget runs out.。