gdpval-realworks 仓库发布可复现的 GDPVal 评测流水线与证据面板

作者开源了 gdpval-realworks，为 GDPVal Gold Subset 构建可复现的实验流水线和静态面板，覆盖 9 个行业 44 种职业共 220 项真实专家任务，要求模型产出表格、报告、演示等可审阅文件。仓库将执行完成、产物完整性、Self-QA 与外部评分四类信号分开记录，本地面板无需云端凭据即可运行，云上路径通过 OIDC、镜像摘要固定和 Docker 断网等控制限定边界；默认冒烟配置用 gpt-5.2-chat 生成、gpt-5.6-sol 评分，任务级成本按产生与评分两类分别记账。