灾害 Benchmark 审查台

核对「输入材料 / Gold 标签 / Agent 分数」。数据不必齐全——有多少看多少;仅 available 的题可进全流程。

数据批次

加载中…

任务列表

先选左侧批次

详情:输入 · Gold · 分数 · 人工核对

选择一条任务