Benchmark 候选样本的自动化审查。用飞书账号登录。
传上来的样本会由 agent 查清这个 benchmark 的定义（自定义 bench 则按你的样本包和要求文档）、做通用审查（原创性与本身质量）、审一遍格式与语义、跑一轮模型矩阵，最后出一份带证据的报告。