评测实验
固定数据集与评估器，比较模型、Prompt、Schema、路由、工具配置与工作流版本
实验2
已完成2
运行中0
平均耗时36s模拟运行
| 实验 | 数据集 | 被测版本 | 通过率 | 安全用例 | 状态 | 时间 | |
|---|---|---|---|---|---|---|---|
1.5.0-draft 候选回归EX-20261029-01 | 作业指令与安全基线v4 · 12 条 | 1.5.0-draftdeepseek-v4-pro · prompt 1.5.0-draft | 92% | 3/4 | 已完成 | 2026-10-29 09:07 | |
1.4.2 发布前全量回归EX-20261024-01 | 作业指令与安全基线v4 · 12 条 | 1.4.2deepseek-v4-pro · prompt 1.4.2 | 92% | 4/4 | 已完成 | 2026-10-24 15:42 |
数据集、实验、评分与指标均为模拟数据，未调用真实模型或设备，也不代表真实线上表现。实验运行使用预置模拟结果，可用于演示对比与门禁判定。