RubricAtlas：从专家报告中挖掘类型级评分标准，以评估深度研究智能体

RubricAtlas 从专家报告中挖掘类型级评分标准，用于评估深度研究智能体的分析完整性，并将二元检查点链接到报告段落。它基于 3,079 份中文金融研究报告构建、覆盖 99 种研究类型；十个智能体上的两条评判流水线取得 κ = 0.71 的检查点一致性和 Kendall τ = 0.87 的排名一致性。