公开知识图谱记录

Workflow Evals

记录摘要

公开记录已收录该实体，但还没有足够的简要说明。

来自项目知识图谱的有来源实体；具体工具属性仍需补齐。

基准测试: 覆盖安全事件、智能体追踪、发票处理和客户服务4项任务
基准测试: four-task workflow evaluation
基准测试: reference labels averaged from GPT-6 Astra and Claude Fable 5.1 at high thinking

知识图谱当前记录了 4 个已知资料维度，另有 12 个维度尚未记录，关联 1 篇公开资料。这些数字只描述资料覆盖，不代表模型性能或适配性已经验证。