TERM-Bench是2026年发布的可信机器人操作评估基准，提出AutoEval自动评估方法解决机器人策略评估中的可信度问题。AutoEval在EG和RG协议下分别达到0.81和0.84的Spearman秩相关系数，具备强大的来源判别能力，能以99.6%准确率区分策略生成和遥操作视频，建立了严格的可信机器人评估标准。项目主页term-bench，适用于机器人操作算法的公平可信评估、策略生成内容鉴别和评估方法论研究。