elvis(@omarsar0)· elvis (@omarsar0)·· 4 天前AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
Parsave 审计 Zapier AutomationBench：600 个任务查出 206 个验证器 bug，发布 AutomationBench Verified
We need more efforts like this. Every agent benchmark should audit its verifiers. Parsave went th...
AI 导读
Parsave 对 Zapier AutomationBench 全部 600 个公开任务逐一审计验证器，智能体标记出 323 个可疑验证器，人工复核确认 206 个真实 bug，并已全部修复，发布 AutomationBench Verified。
来源：elvis(@omarsar0) · x.com