基准以九类问题的81个实例，测试编码Agent实现Benders分解和列生成的能力。
推荐理由：它不只测代码补全，而是测切分主子问题、传递割与对偶值等算法设计能力；81例可暴露Agent在高级优化编程中的结构性错误。
阅读原文