只读研究任务，不要修改文件。请浏览/查阅近年顶会或强相关 benchmark 项目，聚焦 realistic agent benchmarks：WebAr…
- Stable ID:
codex-user-prompt:34cd5eadf15df022
- Source kind:
codex-session-user
- Category:
coding-agent-workflow
- Timestamp:
2026-05-10T09:09:03.896Z
- Semantic hash:
34cd5eadf15df0222346920c9ab6ec35432be6db97efa821bbfd051157025192
- Public handling: selected full-text prompt with secret filtering.
Prompt Text
只读研究任务，不要修改文件。请浏览/查阅近年顶会或强相关 benchmark 项目，聚焦 realistic agent benchmarks：WebArena/VisualWebArena、OSWorld、WorkArena/WorkArena++、tau-bench/tau2/tau3、AgentBoard/AgentBench 等。目标不是复制，而是提炼 DoneBench 可以借鉴的评测严谨度、artifact 边界、可复现标准，以及 DoneBench 不该声称的边界。输出：1) 每个项目的核心贡献与证据结构；2) DoneBench 与它们的差异；3) 最值得补的非缝合模块；4) 不建议补的“看起来像抄”的模块；5) 可落到论文/代码/报告的具体行动。请附来源链接。
Reuse Notes
- EXTRACTED: This is a selected Codex prompt or automation prompt from the local Codex corpus.
- INFERRED: Future agents can reuse its structure, constraints, and acceptance criteria when creating similar Codex workflows.