为知识工作设计基准：基于活动表示的框架与案例审计

论文提出以工作活动为中心的基准表示框架，补充了被代表活动、测试环境等四个缺失字段。 基于该框架审计了GDPval等三个基准，发现13个APEX-SWE任务测试存在缺陷。 框架使不同基准具备可比性，提供了单页记录模板以规范报告实践。