医疗推理
面向高难度中文医疗推理的合成评测集，连接复杂临床情境、证据判断与多约束决策。
数据发现
PCB 电路资产
在同一工程中检查电路背景、原理图、PCB 布局与设计规则。
3D Assets
检查日常物体的可编辑几何、参数与建模源码。
Foam Tower
查看抓取、释放与堆叠过程中的同步观测、关节目标和接触轨迹。
Handwriting
检查有序笔画与仿真书写的图像、实际关节状态和规划目标之间的对应关系。
EmbodiedTrace
并排检查机器人观测、生成子目标、理由与结构化控制指令标签。
长程终端任务
把多步推理落到可执行的终端任务：代码修复、科学分析与工程约束，配套环境、参考实现及独立验证器。