Teachometry
运行

基准浏览器tutor-eval-v0.2a@0.2a.6

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。

公开评测记录
0
尚无已发布运行
公开模型档案
0
预留
公开案例
48
tutor-eval-v0.2a
评测记录发布
不可用
公开产物状态

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

一条评测记录包含什么。

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。

  1. 1身份与执行

    让一次运行可被准确寻址的版本化身份。

    • model模型身份
    • modelVersion模型版本
    • datasetVersion数据集版本
    • caseVersion案例版本
    • runIndex运行索引
  2. 2生成可追踪性

    复现生成所需的配置引用。

    • generationSpecId生成规格 ID
    • generationSpecVersion生成规格版本
    • promptVersionPrompt 版本
    • promptSha256Prompt SHA-256
  3. 3Tutor 证据

    该案例完整的公开 Tutor 回复。

    • tutorResponseTutor 回复
  4. 4评测证据

    与回复关联的维度结果和失败证据。

    • correctness正确性
    • diagnosis诊断能力
    • guidance引导能力
    • adaptation适应能力
    • actionability可执行性
    • rubricResults评分标准结果
    • criticalFailures严重失败
    • answerLeakage答案泄露
  5. 5Judge 证据

    发布时包含评估器身份与 prompt 版本。

    • judgeJudge
    • judgePromptVersionJudge prompt 版本
  6. 6运行指标

    经过清理的运行信号与教学评分保持分离。

    • tokenstoken 数
    • latency延迟
    • cost成本

可追踪链

从基准走向证据。

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。

  1. 基准版本未来公开证据
  2. 模型身份未来公开证据
  3. 评测记录未来公开证据
  4. 案例未来公开证据
  5. Tutor 回复未来公开证据
  6. 评测证据未来公开证据
  7. 清理后的指标未来公开证据

边界清晰的公开证据

可以追踪的证据。

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。