评测具体规则在此帖子 

我总结一下评测规则： 
出题的仓库，根据我自己的一个闭源项目为基座开始。 
1. 题目生成：GPT-5.5 根据自问自答的形式，一共出六道题。 
2. 题目筛选：在六道题中，再让它通过自问自答挑出两道题。 
3. 任务执行：同时开启 Work Tree，让不同的模型、不同的 Agent 去执行这两道题。 
4. 单条评测：最后让 GPT-5.5 对单条 Work Tree 进行单独的评测。 
5. 归一化测试：等所有的 Work Tree 都评测完以后，做归一化测试横评。 
这次Grok4.5上了，我就想着用Grok build和Cursor都测一下 
直接上结论 
 [image] 
 [9426fe9d2e5a0414553db683940852bc] 
具体每个分支的简短扣分、加分详细评测结果在此文件。 
普通题-r2-r3-current归一化复核-202...