Benchy：迈向任务型 AI 基准测试的通用语言

Benchy 是一套用于 AI 程序基准测试的语义语言与执行引擎，基准由程序、评分函数与数据集三元组定义，与 AI 系统分离。基准以规范 YAML 编写，按 task/domain/language 本体分类，编译为规范 JSON 中间表示，不修复无效定义或注入默认值。引擎以命名输入对象进、命名输出对象出的统一契约执行，叶子输出字段即评分维度，外部 AI 系统在边界处适配。