12 lines
804 B
HTML
12 lines
804 B
HTML
<p class="lede2">
|
||
三个面板对应三组不同的题集与口径，<strong>不能合并成一个总分</strong>。
|
||
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。
|
||
</p>
|
||
<p class="small" style="max-width:80ch">
|
||
读这些数字时请留意两件事：<strong>所有对照都使用同一 tokenizer、同一 greedy 解码、同一 64 token 输出上限</strong>；
|
||
而<strong>检索召回率与回答正确率是两个必须分开报告的量</strong>——这一点在面板一里体现得最清楚。
|
||
</p>
|
||
|
||
<div class="tabs reveal" id="resultTabs" role="tablist" ></div>
|
||
<div id="resultPanels" ></div> |