Dependency Bench：LLM 在多大 CI 流水线上会失去追踪能力？

这是 Kaggle 基准挑战赛的参赛项目，旨在测量模型对依赖图的推理能力及其失效规模。基准包含 60 个生成任务，按 5 个任务族、4 种规模（S 到 XL）和 3 个实例组织，覆盖 YAML 与散文描述的失败传播、重试、超时和执行顺序等场景。正文未提供具体模型的评测分数。

AI推荐理由 Dependency Bench 是一个针对 LLM 依赖图推理能力的基准，包含 60 个生成任务，覆盖 5 个任务族、4 种规模（S 到 XL）和 3 个实例，测试失败传播、YAML 与散文描述、时序等场景。该基准直接面向 AI Agent 调试 CI 流水线这一实际用途，任务设计具体，但正文片段未给出模型评测结果，无法判断结论强度。