CivicBench：面向市政网页数据分析的基准与记忆框架

CivicBench 是一个覆盖四座城市、两年数据的 400 任务基准，把市政网页数据固化为可复现的数据包，并用可执行契约评估计算、来源链接、覆盖范围与无依据时拒绝作答。研究同时提出任务状态记忆（TSM，Task-State Memory），将工具观察编译为带类型的断言并按兼容范围对齐记录。在九组完整模型配对中，八组的平均分差为正且 95% 置信区间不含零。