基准浏览器

模型评测记录

透明的
审计轨迹。

未来公开评测记录会连接模型身份、案例身份、执行语境、Tutor 回复、评估器证据和经过清理的运行指标。

共享证据，
改进教学。

审计 ledger

没有公开产物，就没有记录行。

未来每一行都将是一条可寻址的证据记录。当前 ledger 有意保持为空。

未来公开评测记录台账
评测记录 ID	模型 ID	案例 ID	运行索引	证据状态
目前暂无公开评测记录。目前尚无公开模型评测记录。公开模型运行发布后再来查看。

该台账只公开评测记录摘要身份契约：id、modelId、caseId 和 runIndex。

未来评测记录结构

这些类别来自当前公开评测记录字段契约，而不是某次模型运行。

让一次运行可被准确寻址的版本化身份。

复现生成所需的配置引用。

该案例完整的公开 Tutor 回复。

与回复关联的维度结果和失败证据。

发布时包含评估器身份与 prompt 版本。

经过清理的运行信号与教学评分保持分离。

可追踪链

评测记录与模型档案、排行榜资格保持分离。未来记录会连接这些阶段，但不会暗示排名或教学有效性主张。

边界清晰的公开证据

未来公开结果应始终能够追踪到版本化案例、模型身份以及支撑每项主张的证据。