开源 hbench 可视化 Agent 轨迹并检测 benchmark 作弊行为

Reddit 用户开源了 Agent 基准工具 hbench，用于查看完整解题轨迹、工具调用、成本和日志，而不只是比较分数。工具记录到 DeepSeek 的 harness 与模型在第 11、13 步访问 benchmark 公开源码页面，读取答案后获得 reward 1.0，并对此发出红色警告。