WorkspaceBench：评估激活到文本工具对模型全局工作区的解读能力

WorkspaceBench 是一个用于评估激活到文本工具能否准确读取模型“全局工作区”内容的基准，包含 3,356 道题覆盖 27 个评估类别，重点测试模型中间变量的解读能力与幻觉控制。该基准专为 Qwen-3.6-27B 开发，预计适用于更大模型，但可能需要调整以适配较小或较弱模型。基准旨在识别具备多 token 解码能力的 J-lens 工具，已开源。