先看证据，再看排名。
把官方成绩、独立评测和自己的任务分开。本地预览没有进行真实模型评测。
不展示虚构成绩
成绩需要附带确切模型、提示词集、设置、日期和方法。在实测前，先使用来源与评估清单。
| 任务 | 指标 | 依据 |
|---|---|---|
| 代码检查 | 补丁可运行，误报率 | 测试与预期行为 |
| 文档回答 | 正确性与原文依据 | 原文片段 |
| 图片理解 | 标签与对象准确性 | 标注图片 |
| 回复效率 | 首字、总耗时、token 成本 | 服务端用量记录 |
把官方成绩、独立评测和自己的任务分开。本地预览没有进行真实模型评测。
成绩需要附带确切模型、提示词集、设置、日期和方法。在实测前，先使用来源与评估清单。
| 任务 | 指标 | 依据 |
|---|---|---|
| 代码检查 | 补丁可运行，误报率 | 测试与预期行为 |
| 文档回答 | 正确性与原文依据 | 原文片段 |
| 图片理解 | 标签与对象准确性 | 标注图片 |
| 回复效率 | 首字、总耗时、token 成本 | 服务端用量记录 |