Prime Intellect 审计公开评测基准的数据回视污染与网页访问问题

Prime Intellect 团队审计多个流行公开评测基准，发现 AutomationBench 与 OfficeQA Pro v2 存在数据污染和网页访问相关设计缺陷，并已修复问题、公开完整发现。审计工作持续数月，后续还将产出更多相关内容。