reasoning-bench：GitHub 开源的可复现 LLM 推理能力基准

GitHub 开源 reasoning-bench，一个可复现的基准，用于在受控条件下测量 LLM 的特定推理能力，并检验这些能力在问题表面变化后是否保持。v0.1 规划 5 个赛道，其中假设检测赛道含 99 个基础场景（含变体共 367 个测试项），每题生成原始、表面扰动、加干扰项三个版本，每模型每题跑 5 次报告均值与方差，核心指标为鲁棒性差距。项目仅用 Python 标准库（3.8+），支持 GitHub Codespaces 复现，首批结果仅覆盖一个免费模型。