CentaurBench

CentaurBench 将自动化与辅助两种角色放进同一框架：助手模型要么直接交付，要么给低能力工作者写指导，七个真实任务各重复十次并盲评。两种排名仅适度相关，自动化冠军在 7 项中有 5 项输掉辅助模式；三项任务甚至是无辅助工作者胜出，说明“会做”不能推导“会帮助别人做”。