Navers Lab / Einsia：六个评测分别测什么
按任务、评分和证据理解 Einsia 的六个评测，连接完整 Radar 详情与原始发布资料。
Claire Radar
CFAgentBench
原始来源英文简介
CFAgentBench is an executable environment for autonomous construction-finance agents, with 1,014 task specifications across 8 domains and 77 families. A subset of 40 tasks (54 with PM extension) has oracle-validated evaluators. Grading uses state diffs, forbidden-side-effect checks, and required-output regexes, with an LLM judge only for reply quality. A public split of 711 tasks is available, and a private split of 303 is reserved for remote scoring.
已收录的评测资料
本站尚未从这条来源记录收录数值成绩。下面的论文、代码或数据入口可用于核对任务与实验结果；这不表示原论文没有实验结果。
从这些资料开始
引用文档及日期（1）
目录采集于 2026-10-14，资料入口与字段反映当时保存的来源。
评测信息与证据
- 来源
- Claire Radar
- 发布者
- 未收录
- 评测发布日期
- 2026-06-20
- 采集日期
- 2026-10-14
- 模态
- 未收录
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
报告成绩 0
本来源记录尚未收录数值成绩。这不表示模型得分为零，也不表示该评测没有公开成绩；请查阅原始资料。