VisCurate：以执行行为评估视觉技能的行为等价性

VisCurate 是一个从实际执行而非文本描述出发来整理视觉技能库的框架与基准，对每个候选技能对分配六种行为关系之一并对应安全的库编辑操作。该基准向干净技能库按受控比例注入七类缺陷，生成 300 个可复现实例；文本基线在困难负样本上最多接受六种错误合并中的五种，而 VisCurate 验证器一个都不接受，并找回 51.2% 真正可合并的技能对。