故障归因质量怎样定义准确率和归因深度，如何制定评分规则？

**评测基准设计**：指标中提到综合准确率从 20%+ 提升到了 80%+，该指标是如何定义的？评测集（Benchmark）包含哪些维度，又是如何打分的？

评测维度中的“归因深度”较为抽象，具体是如何划分和打分的？