Justin Breuch 团队构建混乱工作任务模拟，评测 AI 智能体真实表现

Justin Breuch 团队构建更贴近真实工作的模拟环境，测试 AI 智能体在模糊指令、错误数据等混乱条件下的表现。环境让智能体担任学术协调员，与人类同事撰写案件报告并通知干系人，同时提供书面政策和邮件；后续计划加入中途插入的新邮件。