mayubench

模型生成摘要（rules/v1 · 2026-11-15 15:13）：AI原生行为基准测试 — 48个场景 × 3种难度 = 144道题，涵盖8个维度评分，重点评估AI“该不该做”而非“能不能做”
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。