# 评估报告 — selftest-synthetic（2026-09-12）

- 传输：`replay`
- 自动得分：**29/42**，待评委：**13**
- 等级：**待评委补判**（待评委补判人工项）

| 维度 | 自动 | 满分 | 待人工 |
|---|---|---|---|
| dim1 指令遵循 | 10 | 11 | 1 |
| dim2 代码修改 | 5 | 7 | 2 |
| dim3 长上下文 | 3 | 6 | 3 |
| dim4 工具调用 | 3 | 6 | 3 |
| dim5 幻觉抵抗 | 3 | 6 | 3 |
| dim6 交付规范 | 5 | 6 | 1 |

## 逐题

| 题 | 自动 | 满分 | 待人工 |
|---|---|---|---|
| dim1-q1 | 5 | 5 | 0 |
| dim1-q2 | 1 | 2 | 1 |
| dim1-q3 | 4 | 4 | 0 |
| dim2-q1 | 2 | 3 | 1 |
| dim2-q2 | 2 | 2 | 0 |
| dim2-q3 | 1 | 2 | 1 |
| dim3-q1 | 1 | 2 | 1 |
| dim3-q2 | 1 | 2 | 1 |
| dim3-q3 | 1 | 2 | 1 |
| dim4-q1 | 2 | 4 | 2 |
| dim4-q2 | 1 | 2 | 1 |
| dim5-q1 | 1 | 2 | 1 |
| dim5-q2 | 1 | 2 | 1 |
| dim5-q3 | 1 | 2 | 1 |
| dim6-q1 | 4 | 4 | 0 |
| dim6-q2 | 1 | 2 | 1 |