CADWorld：面向长周期计算机辅助设计的计算机使用基准
TLDR
CADWorld基准测试FreeCAD长时程CAD操作：200任务/11类，最强智能体17.5% vs 专家87%。
评分理由
The paper introduces a well-motivated benchmark addressing a gap in agent evaluation for persistent engineering workflows. Strengths include realistic tasks, executable checks, and a clear performance gap; weaknesses include no new agent method and limited evidence outside benchmark results.
Read-first 评分解释
综合优先阅读分 39.9，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 29。
研究版图角色
前沿论文
排序敏感性
稳定性：volatile；排名波动范围：42。