课程以METR、GDPval和DeepScholar-Bench区分能力、经济价值与结果质量。
推荐理由：把任务跨度、经济价值和交付可信度拆成独立维度，纠正仅凭长任务成功率推断商业价值的常见评测误区。
阅读原文