测量结果
同一 264 题题集的两个独立批次、结构化工程基准与记忆路由器工程线的全部实测数字，均标注出处与口径。
82.52% 批次 B 可回答正确率 · 批次 A 为 62.60%，两批配置不同、不可合并
三个面板对应三组不同的题集与口径，不能合并成一个总分。 面板一是同一题集先后跑的两个独立批次（配置不同、分数不可合并，只能并列读）； 面板二是结构化工程基准；面板三是记忆路由器工程线。每组数据都标注了出处、日期与口径。
读这些数字时请留意两件事：所有对照都使用同一 tokenizer、同一 greedy 解码、同一 64 token 输出上限； 而检索召回率与回答正确率是两个必须分开报告的量——这一点在面板一里体现得最清楚。