评测
feat(benchmark): 为S1–S4报告题增加LLM评分试点
原文片段
Summary S1–S4原有关键词评分会放过只列卡号、没有正确分析的报告。本PR增加独立的LLM评分试点，按项判断内容并校验引用，保留原评分器。 支持API或Codex登录调用裁判；调用失败不记成模型零分。
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6日 04:28
研究与审核记录
生命周期
正在出现
监测范围
1 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7日 02:58
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
相关事件
- 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 - 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