SOURCE-PINNED BENCHMARK RECORDS

公开任务库

从 11 个固定版本仓库收集的 3,047 条公开基准任务定义和 831 条参数化定义(模板与层级变体),保留英文原文、验证器引用与源码快照。

保留英文任务原文。这里收集的是定义,不是执行结果;来源环境与外部资产仍可能需要单独准备,并受各自许可证约束。

WorkArena++ 包含 341 个共同工作流的 682 个层级变体;参数配置和抽样运行不增加定义数。

JSONL · 来源清单 · 许可与说明