评测收录与比较方法

Benchlog 记录可定位的官方披露,保留各测试版本、模型配置、原始数值与材料范围。

当前收录与首发

当前收录包括已核对的后补材料和勘误。首发视图只采用有历史版本依据的材料。发布日期、成绩公布日期、披露日期和采集日期分别记录,未知时间保留未确认。

配置、指标与条件分组

成绩按测试版本、指标、单位、原协议、工具权限、有效推理预算和框架阅读。常规排名沿用展示档位与排除规则。各系列最新范围包括同日正式发布;缺成绩时可以查历史记录。冲突值和非精确值只作资料查阅。

缺省的工具、预算和框架仍是未知。即使两条记录显示同分或同组,也需要从出处核对实验条件。

披露范围与缺口

“本次未见”指在已完成核查的本次材料范围内未找到。“待核查”与“暂无收录”保留材料覆盖的缺口。单独披露测试名称的材料仍有证据链接。

更正与引用

官方更正保留旧原文、新值与替换依据。排名按当前材料中的有效记录计算。引用时保留模型版本、配置、指标、单位和材料定位。证据页提供摘录与可选中的引用文本,已核对的定位直接链接官方章节或 PDF 物理页。