40 lines
1010 B
Markdown
40 lines
1010 B
Markdown
# 评估报告 — selftest-bad（2026-09-12）
|
||
|
||
- 传输：`replay`
|
||
- 自动得分：**6/42**，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 | 3 | 11 | 1 |
|
||
| dim2 代码修改 | 2 | 7 | 2 |
|
||
| dim3 长上下文 | 0 | 6 | 3 |
|
||
| dim4 工具调用 | 1 | 6 | 3 |
|
||
| dim5 幻觉抵抗 | 0 | 6 | 3 |
|
||
| dim6 交付规范 | 0 | 6 | 1 |
|
||
|
||
## 逐题
|
||
|
||
| 题 | 自动 | 满分 | 待人工 |
|
||
|---|---|---|---|
|
||
| dim1-q1 | 2 | 5 | 0 |
|
||
| dim1-q2 | 0 | 2 | 1 |
|
||
| dim1-q3 | 1 | 4 | 0 |
|
||
| dim2-q1 | 0 | 3 | 1 |
|
||
| dim2-q2 | 1 | 2 | 0 |
|
||
| dim2-q3 | 1 | 2 | 1 |
|
||
| dim3-q1 | 0 | 2 | 1 |
|
||
| dim3-q2 | 0 | 2 | 1 |
|
||
| dim3-q3 | 0 | 2 | 1 |
|
||
| dim4-q1 | 1 | 4 | 2 |
|
||
| dim4-q2 | 0 | 2 | 1 |
|
||
| dim5-q1 | 0 | 2 | 1 |
|
||
| dim5-q2 | 0 | 2 | 1 |
|
||
| dim5-q3 | 0 | 2 | 1 |
|
||
| dim6-q1 | 0 | 4 | 0 |
|
||
| dim6-q2 | 0 | 2 | 1 |
|
||
|
||
## 硬否决提示
|
||
|
||
- dim5 自动项 0/6 <50%（待人工复核后裁定）
|