论文提出两级元量规框架，将开放式回答中有层次、有关联的完整事实要求，机械编译为可由机器评分的二元清单，并发布GAMUT基准。数据集含1,813个基于真实可穿戴设备图像的问题，覆盖10个领域及文本版本；14个模型评测中，Gemini 3.1 Pro最高得分58.7%。
最近 24 小时暂无可用热度快照。