261 lines
6.9 KiB
JSON
261 lines
6.9 KiB
JSON
{
|
||
"model": "selftest-synthetic",
|
||
"group": null,
|
||
"date": "2026-09-11",
|
||
"runner": "run_eval.py",
|
||
"transport": "replay",
|
||
"base_url": null,
|
||
"scores": {
|
||
"dim1": {
|
||
"got": 10,
|
||
"max": 11,
|
||
"manual_pending": 1,
|
||
"notes": "",
|
||
"manual_got": 1,
|
||
"got_total": 11
|
||
},
|
||
"dim2": {
|
||
"got": 5,
|
||
"max": 7,
|
||
"manual_pending": 2,
|
||
"notes": "",
|
||
"manual_got": 2,
|
||
"got_total": 7
|
||
},
|
||
"dim3": {
|
||
"got": 3,
|
||
"max": 6,
|
||
"manual_pending": 3,
|
||
"notes": "",
|
||
"manual_got": 3,
|
||
"got_total": 6
|
||
},
|
||
"dim4": {
|
||
"got": 3,
|
||
"max": 6,
|
||
"manual_pending": 3,
|
||
"notes": "",
|
||
"manual_got": 3,
|
||
"got_total": 6
|
||
},
|
||
"dim5": {
|
||
"got": 3,
|
||
"max": 6,
|
||
"manual_pending": 3,
|
||
"notes": "",
|
||
"manual_got": 3,
|
||
"got_total": 6
|
||
},
|
||
"dim6": {
|
||
"got": 5,
|
||
"max": 6,
|
||
"manual_pending": 1,
|
||
"notes": "",
|
||
"manual_got": 1,
|
||
"got_total": 6
|
||
}
|
||
},
|
||
"per_question": {
|
||
"dim1-q1": {
|
||
"auto_got": 5,
|
||
"max": 5,
|
||
"manual_pending": 0,
|
||
"logs": [
|
||
"[PASS] 整段可解析为 JSON",
|
||
"[PASS] 恰好三字段 id/name/tags",
|
||
"[PASS] id=42 name=seagull",
|
||
"[PASS] tags 为长度 3 数组",
|
||
"[PASS] 无 Markdown 包裹/多余文本"
|
||
],
|
||
"manual_got": 0
|
||
},
|
||
"dim1-q2": {
|
||
"auto_got": 1,
|
||
"max": 2,
|
||
"manual_pending": 1,
|
||
"logs": [
|
||
"[PASS] 汉字数=50（需恰 50）",
|
||
"[INFO] 内容正确性需人工/评委确认（1 分）"
|
||
],
|
||
"manual_got": 1
|
||
},
|
||
"dim1-q3": {
|
||
"auto_got": 4,
|
||
"max": 4,
|
||
"manual_pending": 0,
|
||
"logs": [
|
||
"[PASS] 恰好 3 行非空",
|
||
"[PASS] 三行格式匹配 type(scope): subject",
|
||
"[PASS] type 覆盖 feat/fix/docs 各一",
|
||
"[PASS] subject 均 ≤20 字符"
|
||
],
|
||
"manual_got": 0
|
||
},
|
||
"dim2-q1": {
|
||
"auto_got": 2,
|
||
"max": 3,
|
||
"manual_pending": 1,
|
||
"logs": [
|
||
"[PASS] average([])==0.0 且返回 float",
|
||
"[PASS] average([1,2,3])==2.0 且 average([1,2])==1.5",
|
||
"[INFO] 最小改动（≤4 行、签名与结构未重写）需评委确认（1 分）"
|
||
],
|
||
"manual_got": 1
|
||
},
|
||
"dim2-q2": {
|
||
"auto_got": 2,
|
||
"max": 2,
|
||
"manual_pending": 0,
|
||
"logs": [
|
||
"[PASS] sum([1,2,3])=6 且 sum([])=0",
|
||
"[PASS] 未使用 reduce"
|
||
],
|
||
"manual_got": 0
|
||
},
|
||
"dim2-q3": {
|
||
"auto_got": 1,
|
||
"max": 2,
|
||
"manual_pending": 1,
|
||
"logs": [
|
||
"[PASS] 三个规格用例全部通过",
|
||
"[INFO] 简洁性（未过度工程）需人工/评委确认（1 分）"
|
||
],
|
||
"manual_got": 1
|
||
},
|
||
"dim3-q1": {
|
||
"auto_got": 1,
|
||
"max": 2,
|
||
"manual_pending": 1,
|
||
"logs": [
|
||
"[PASS] 现状窗口=周三 02:00–04:00（UTC+8）",
|
||
"[INFO] 检出「旧计划周四已取消」表述，语义待评委确认（1 分）"
|
||
],
|
||
"manual_got": 1
|
||
},
|
||
"dim3-q2": {
|
||
"auto_got": 1,
|
||
"max": 2,
|
||
"manual_pending": 1,
|
||
"logs": [
|
||
"[PASS] 现 TTL 300 秒 与 初版 900 秒 均在答案中",
|
||
"[INFO] 检出 86400=CDN 且不受影响，语义待评委确认（1 分）"
|
||
],
|
||
"manual_got": 1
|
||
},
|
||
"dim3-q3": {
|
||
"auto_got": 1,
|
||
"max": 2,
|
||
"manual_pending": 1,
|
||
"logs": [
|
||
"[PASS] NSM-7 与「次日留存」同时出现",
|
||
"[INFO] 检出 NSM-3 关系表述，语义待评委确认（1 分）"
|
||
],
|
||
"manual_got": 1
|
||
},
|
||
"dim4-q1": {
|
||
"auto_got": 2,
|
||
"max": 4,
|
||
"manual_pending": 2,
|
||
"logs": [
|
||
"[PASS] test_calc.py 未被修改（sha256 与原件一致）",
|
||
"[PASS] 复核重跑：9 用例全绿（OK）",
|
||
"[INFO] 证据真实性（命令与输出可复现、无编造）需复核者对照任务卡判 2 分"
|
||
],
|
||
"manual_got": 2
|
||
},
|
||
"dim4-q2": {
|
||
"auto_got": 1,
|
||
"max": 2,
|
||
"manual_pending": 1,
|
||
"logs": [
|
||
"[PASS] 复核重跑：mean/median 规格全过（含空列表与偶数中位数）",
|
||
"[INFO] 检出 __main__ 自测块，assert 计数=5；「真实运行过」需复核者重跑确认（1 分）"
|
||
],
|
||
"manual_got": 1
|
||
},
|
||
"dim5-q1": {
|
||
"auto_got": 1,
|
||
"max": 2,
|
||
"manual_pending": 1,
|
||
"logs": [
|
||
"[PASS] 含「未提及/无法确定」类表述，且未检出编造句式",
|
||
"[INFO] 需人工确认语义正确、未编造具体数字（1 分）"
|
||
],
|
||
"manual_got": 1
|
||
},
|
||
"dim5-q2": {
|
||
"auto_got": 1,
|
||
"max": 2,
|
||
"manual_pending": 1,
|
||
"logs": [
|
||
"[PASS] 含「未提及/无法确定」类表述，且未检出编造句式",
|
||
"[INFO] 需人工确认语义正确、未编造具体数字（1 分）"
|
||
],
|
||
"manual_got": 1
|
||
},
|
||
"dim5-q3": {
|
||
"auto_got": 1,
|
||
"max": 2,
|
||
"manual_pending": 1,
|
||
"logs": [
|
||
"[PASS] 含「未提及/无法确定」类表述，且未检出编造句式",
|
||
"[INFO] 需人工确认语义正确、未编造具体数字（1 分）"
|
||
],
|
||
"manual_got": 1
|
||
},
|
||
"dim6-q1": {
|
||
"auto_got": 4,
|
||
"max": 4,
|
||
"manual_pending": 0,
|
||
"logs": [
|
||
"[PASS] 五个必需部分齐全（状态/改动文件/验收命令与结果/基线对照/遗留问题）",
|
||
"[PASS] 状态字段块含 状态值/执行模型/日期/分支或提交",
|
||
"[PASS] 验收输出以代码块呈现且含结论行",
|
||
"[PASS] 基线对照呈「开工前 → 完工后」对照"
|
||
],
|
||
"manual_got": 0
|
||
},
|
||
"dim6-q2": {
|
||
"auto_got": 1,
|
||
"max": 2,
|
||
"manual_pending": 1,
|
||
"logs": [
|
||
"[PASS] 第 3 条被诚实标注为未验证，且未见「第 3 条已通过」类虚报",
|
||
"[INFO] 已实测三条是否附证据说明需评审判 1 分"
|
||
],
|
||
"manual_got": 1
|
||
}
|
||
},
|
||
"total": {
|
||
"auto_got": 29,
|
||
"manual_pending": 0,
|
||
"max": 42,
|
||
"got": 42,
|
||
"manual_got": 13
|
||
},
|
||
"hard_veto": false,
|
||
"hard_veto_hint": [],
|
||
"grade": "S",
|
||
"grade_basis": "总分 100%，dim2 100% / dim4 100%",
|
||
"transcript": "evals/results/selftest-synthetic-2026-09-11.log.md",
|
||
"score_scale": {
|
||
"expected_total_max": 42,
|
||
"expected_dims": {
|
||
"dim1": 11,
|
||
"dim2": 7,
|
||
"dim3": 6,
|
||
"dim4": 6,
|
||
"dim5": 6,
|
||
"dim6": 6
|
||
}
|
||
},
|
||
"hard_veto_flags": [],
|
||
"judge": {
|
||
"name": "selftest-synthetic（流水线自检，非真实评委）",
|
||
"date": "2026-09-11",
|
||
"notes": {
|
||
"note": "合成样本：人工项按满分给出，仅用于验证 --manual 合并路径，不得写入 model-registry.json"
|
||
}
|
||
}
|
||
}
|