本周会话128统计范围：全部作业端会话
抽样评分36覆盖率 28%
平均评分89模拟 LLM 评分，仅看趋势
负反馈率3.8%负反馈会话 / 有反馈会话
线上样本
低分、负反馈或命中安全关键词的样本会进入复核队列
| 线上样本 | 时间 | 模拟评分 | 用户反馈 | 问题线索 | 复核 | |
|---|---|---|---|---|---|---|
巡检滨江东路这个区域的消防通道MS-01 · S-101 · patrol_task | 2026-10-29 09:41 | 94 | 未反馈 | 未命中复核规则 | — | |
今天南湖公园的周界巡查排上了吗？MS-02 · S-102 · patrol_plan | 2026-10-29 08:22 | 72 | 负向 | 未提示 10:00–11:00 游船作业时间窗，值班员按原计划执行被驳回 | 待复核 | |
无人机为什么提示电池温度异常？MS-03 · S-103 · device_query | 2026-10-28 17:07 | 64 | 负向 | 回答未引用维护手册，停机时长与温度阈值缺少出处 | 待复核 | |
今天有哪些任务执行失败？MS-04 · S-104 · task_query | 2026-10-28 13:12 | 96 | 正向 | 未命中复核规则 | — |
样本回流闭环
线上问题 → 数据集 → 回归 → 门禁线上指标口径
- 抽样覆盖率
- 36/128 会话 · 按会话随机抽样
- 平均评分
- 36 条抽样回答的模拟评分均值，满分 100
- 负反馈率
- 点踩会话 / 有明确反馈的会话（105 条）
- 待复核样本
- 命中「低分 / 负反馈 / 安全关键词」的样本，共 2 条
- 统计范围
- 本周作业端线上会话，不含管理端操作
线上指标只反映趋势，不能替代有标准答案的评测集。
线上样本与评分为模拟数据；复核结论只保存在本次演示会话中。
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。线上评分、反馈与样本内容均为模拟数据，未采集真实用户会话。