ORAgentBench v1：业务材料到决策产物

107个有人工审查的可执行OR任务，原作者区分约束可行、归一化质量与通过。

原文位置：§3.4 scoring；§4.1 setup、Table2；附录F案例；代码c9eb952435a4352f33daa2a35efe0f8c76d31b28

不能据此推出：14个模型/agent配置的任务集结果；模型不同runner，一行三次其余单次；不等于真实运营效果或本任务成功率。

核查 2026-10-20 · 所属资料版本 2026-10-21.workunits.2 · 来源ID WU-M-ORAGENT

实际引用在哪里

给出真实约束式决策的作者评估，不仅是公式或代码生成。

关系：部分支持

漏规则与质量失败决定独立验收重点。

关系：相邻工作参照