评测
docs(benchmark): DRAFT — codex + 本地 qwen3.8-27b（medium）S16 配对评测（倒 U workplan §5 Qwen 档）
原文片段
Summary 按 paper/INVERTED-U-WORKPLAN.zh.md §5 的三档设计，提交倒 U 实验中「Qwen3.8-27B」那一档的配对评测报告：
根据原始讨论自动整理，来源与完整记录可在下方查看。
查看核验记录与完整证据
证据与时间线
验证状态
尚未验证
维护者回应
尚未处理
作者回应
尚未记录回应
目前找到的最早来源
未知
2026年9月16日 00:52
研究与审核记录
生命周期
正在出现
监测范围
5 份自动关联的原始来源；来源关系与独立性未经人工核验
首发可信度 · 0%
本站首次发现 · 2026年9月16日 00:58
证据、测试条件与进展
研究与审核记录 · 已审核传播图
06
已审核传播图
00暂无记录到的交叉引用或传播链。
来源时间线
- GitHub Issue
Benchmark 跑批结果总览：模型 × harness × 条件矩阵（S+H 全系列）
打开来源 在新标签页打开 - GitHub PR
docs(results): break down Qwen paired results by interaction mode
打开来源 在新标签页打开 - GitHub PR
docs(benchmark): DRAFT — codex + 本地 qwen3.8-27b（medium）S16 配对评测（倒 U workplan §5 Qwen 档）
打开来源 在新标签页打开 - GitHub PR打开来源 在新标签页打开
- GitHub PR
feat(paper): quantify Qwen timeout and missingness sensitivity
打开来源 在新标签页打开
相关事件
- 评测尚未验证
调查线索：benchmark: step5-preview S1-S24 双臂运行归档 + 双判分结果
首条原文《benchmark: step5-preview S1-S24 双臂运行归档 + 双判分结果》写道：“StepFun Step 5 Preview（OpenCode Zen 供应，公开发布名；预览端点背后精确 checkpoint 未经独立验证；opencode 编排）在 S 系列基准上的完整 24 题双臂运行、双判分与重跑 follow-up 归档。”。目前只收录了这一份原文。
4 个来源· GitHub - 评测尚未验证
调查线索：feat(benchmark): S18 terminal sprite render trap (half-block SGR leak, trim ghosting, timer pinning)
首条原文《feat(benchmark): S18 terminal sprite render trap (half-block SGR leak, trim ghosting, timer pinning)》写道：“Summary Adds benchmark task S18-terminal-sprite-render-trap (static, read-only report): a terminal half-block sprite renderer whose three independent rendering bugs (SGR background”。另有 36 份相关原文已收录，正在比对它们是否描述同一件事。
42 个来源· GitHub / Blog - 评测尚未验证
调查线索：feat(benchmark): H22 not-listed trap — the package that installs but never registers
首条原文《feat(benchmark): H22 not-listed trap — the package that installs but never registers》写道：“Distilled from a real top-tier failure: anywhere-labs/dsh-desktop (22k★) failed our 50-plugin live verification on 09-01 with exactly this shape — dsh plugin add succeeds, the entr”。另有 31 份相关原文已收录，正在比对它们是否描述同一件事。
32 个来源· GitHub / Blog