证据档案
仅结构档案
下方字段描述一个已解析的公开档案必须包含什么。占位破折号是有意保留的,不代表当前结果数据。
身份
选定模型必须能从已存储的公开身份与快照解析。
- 模型
- —
- 服务提供方
- —
- 快照 / 版本
- —
基准语境
这些值描述当前登记目录环境,而不是一次模型运行。
- benchmarkVersion
- 0.1
- 这里只展示登记目录语境,不代表模型执行。
- 数据集案例组
tutor-eval-v0.2a@0.2a.6- 未来公开产物所需的案例组身份。
- 生成规格 ID
- —
- ——直到真实公开产物解析到该路由。
- 生成规格版本
- —
- ——直到真实公开产物解析到该路由。
- Prompt 版本
- —
- ——直到真实公开产物解析到该路由。
- Prompt 身份
- —
- ——直到真实公开产物解析到该路由。
- Prompt SHA-256
- —
- ——直到真实公开产物解析到该路由。
- 最大输出 token 数
- —
- ——直到真实公开产物解析到该路由。
- 评测运行次数
- —
- ——直到真实公开产物解析到该路由。
结果维度
在经过验证的公开评测记录与评测证据出现之前,分数保持不可用。
- 总体
- —
- 正确性
- —
- 诊断能力
- —
- 引导能力
- —
- 适应能力
- —
- 可执行性
- —
发布边界
只有证据准备就绪后才会出现档案。
模型档案并不自动意味着进入排行榜、获得校准分数、取得正式排名、具备一般模型质量或真实课堂教学有效性。
- 身份、快照、案例组与生成语境必须始终关联。
- 优势与弱点来自已存储的指标和失败证据。
- 事后自由生成的 AI 总结不会自动成为证据。
展望下一步
先积累更好的证据,再形成更多结论。
登记目录只会从满足项目发布与可追踪边界的公开、版本化产物中增长。