BenchFlow 演讲：我们构建评测的还不够雄心勃勃

BenchFlow 的 Xiangyi Li 在 Kaggle Bench Summit 分享演讲，主张当前评测体系的构建仍需更大野心。演讲围绕可验证性、专家时间投入效率，以及如何结构化捕捉人类专家判断展开三个案例研究，并公开了完整 slides。