论文信源：X：Elvis Saravia (@omarsar0, DAIR.AI) · 👁️ 22364 次研读

AutomationBench Verified 审计发现 206 个验证器 bug，27.9% 的 Kimi K3 跑分被改判

💡 灵机 AI 深度洞见与核心提炼

Shaped 发布 AutomationBench Verified，对 Zapier 的 AutomationBench 全部 600 个公开任务的验证器做了独立审计。

信源媒体：X：Elvis Saravia (@omarsar0, DAIR.AI)

阅读原文出处 ↗