裁判校准实验室
人标子集对照 · 量规维一致性 · 锁定自动跑版本
质量
0.74
人 0.82裁判 0.79
安全
0.86
人 0.91裁判 0.88
忠实度
0.68
人 0.77裁判 0.71
指令遵循
0.76
人 0.84裁判 0.80
混淆矩阵 · 质量维（锁定集 1,248 的人标子集）
| 人-优 | 人-中 | 人-差 | |
| 裁判-优 | 412 | 38 | 11 |
| 裁判-中 | 44 | 390 | 29 |
| 裁判-差 | 9 | 27 | 288 |
人标子集对照 · 量规维一致性 · 锁定自动跑版本
| 人-优 | 人-中 | 人-差 | |
| 裁判-优 | 412 | 38 | 11 |
| 裁判-中 | 44 | 390 | 29 |
| 裁判-差 | 9 | 27 | 288 |