好 eval 的“经济价值哈希”：防作弊地反解评测设计框架

一个 eval 设计框架将好的评测定义为“具有经济价值的哈希”，要求在不作弊的前提下被反解。好的 eval 应像真实世界一样隐藏关键信息，同时保持验证成本低廉。其核心不等式是：智能体生成 token（含构建与人类品味）+ 验证 token ≪ 智能体求解 token。