EvalFoundry淬评

标注战役

队列、标注池、一致性 κ、金标陷阱

战役标注池吞吐κ金标命中状态
LB-12
偏好对 · 数学闭式
夜班标注组 A
318/420
0.7146/50进行
LB-11
安全拒答等级
安全双人组
160/160
0.8439/40关闭
LB-10
长文引用对齐
日班标注组 B
188/240
0.6227/36暂停
LB-09
工具序正确性
工程兼标
90/96
0.7922/24进行

κ < 0.70 或金标命中 < 90% 的战役不得并入裁判校准集。数字用字重与颜色标严重度,不做闪烁。