MissionReport 基准发布：前沿模型写政府任务报告多数不合格

micro1.ai 与现役及前美国政府和军方专业人士推出 MissionReport 基准，测试九个前沿模型能否将工作文件转化为可信赖的任务报告。基准包含 540 份报告、20 个任务，涵盖周报、项目状态报告和行动报告等类型。结果显示前沿模型平均仅约 60 分，540 份报告中仅 3 份完全达标。