LoopArena：将模型作为循环工程运行时控制器进行基准测试

LoopArena 是一个新基准，用于评估一个模型（Controller）如何引导另一个固定编码智能体（Worker）完成长时任务。在完整任务上，最佳严格成功率仅 24.69%，显示长程循环控制仍有较大提升空间；同时，各 Controller 的推理成本平均降低 64.4%，且 Type II 设置下排序与核心指标高度一致（Spearman's ρ=0.9747）。基准数据和评估代码已开源。