数据来自 Harbor Hub 的 Terminal-Bench Science 公开榜单，按 trial ID 去重。每条轨迹附有原始页面链接。

未公开、私有或已删除的轨迹无法取得。缺失、错误和等待下载均保留状态。

dataset/models/<model>/<configuration-id>/<task>.jsonl

每行 = 一次独立运行
  model / agent / reasoning_effort
  task_name / trial_id / job_id
  source_url / fetched_at
  download_status / download_error
  trial       原始运行指标与元数据
  trajectory  原始合法 ATIF 对象（完整 steps）
  raw_trajectory  源文件不是合法 JSON 时的完整原文
  reading_trajectory  脱敏数值留空的阅读副本

同题的重复运行分别保留。网页 JSONL 若为文本版会明确标记；完整无损数据保存在本地及 HF 归档中，HF 上传进度以 upload-status.json 为准。

模型概览与成本图使用 Harbor 官方指标。题目矩阵仅统计有数值评分的运行，reward = 1 为成功，未知评分不作为失败。

配对比较仅使用双方都有完整预期评分的题目，按每题平均 reward 统计胜 / 平 / 负。不同模型的运行序号不代表相同随机种子。

步骤与工具调用来自 ATIF；耗时包含环境和验证时间。推理仅展示源轨迹实际公开的内容。

python3 crawl.py crawl
python3 crawl.py build
python3 crawl.py serve --port 8765

# 仅下载指定题目 / 模型
python3 crawl.py crawl --task traffic-flux-inversion
python3 crawl.py crawl --model "GPT-6 Astra"

# 重新发现榜单，保留成功下载
python3 crawl.py crawl --rediscover

下载脚本支持断点续传。Markdown、公式与字体已随网页打包。GitHub 代码与 HF 数据集均已公开，可直接访问。完整归档的上传状态见 HF 仓库中的 upload-status.json。