26分钟前
Sci-Align 评测复核：裁判漂移与 4B/9B 排序翻转
一次 sci-align 基准的评测复核记录：冻结答案后重判发现控制域分数整体上移约 0.06，锚点审计的全序命中率为 0.0，4B 与 9B 上的方法排序随之翻转。结论是裁判名不等于版本号，短跑排名不能外推，比较标准必须在看分之前写死。
1小时前
自建知识库漏发 16 篇文档之后：发布、索引与推送审查
两次没有报错的故障——发布器漏发 16 篇文档、审查报告形式合规却内容空洞——最终收敛到同一组原则：规则只有一份，失败要在写盘或加载之前暴露，自动化停在需要判断的地方。