fix(benchmark): 补齐S类诊断题的LLM评分并细化rubric

相关事件

• 评测尚未验证11小时前

  调查线索：fix(benchmark): fetch Web probe HTML from the discovered host origin

  首条原文《fix(benchmark): fetch Web probe HTML from the discovered host origin》写道：“M5 and H8 exchange the bootstrap token from the URL printed by DSH, then fetch HTML from a fixed port 3080. If DSH prints a URL on another port, the probe reads a different endpoin”。另有 35 份相关原文已收录，正在比对它们是否描述同一件事。

  41 个来源· GitHub / Linux DO / Blog
• 评测尚未验证2小时前

  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2小时前

  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