用同一组代码审查题核对模型接入

同任务试跑设计

道合成 Python 题

10

个观察窗口

2

条对照路径

4

共 80 个合成槽位。每次检查判定、原因类别和源码行号，失败仍计入分母。

先校准，再解释差异

下表展示离线合成夹具的通过数，每条路径每窗固定 10 题。两次同源参考用于核稳定性，已知差异对照用于核区分度。

同源参考 A

窗口 1 · 10 / 10，窗口 2 · 10 / 10

同源参考 B

窗口 1 · 9 / 10，窗口 2 · 10 / 10

待核接入模拟

窗口 1 · 6 / 10，窗口 2 · 7 / 10

已知差异对照

窗口 1 · 3 / 10，窗口 2 · 3 / 10

这组数值用于演示差异复核。实际模型身份需要独立上游证据，正式采购另核同一任务的真实回执。

每个通过任务的成本

合成示例采用待核接入模拟路径。把所有尝试的模拟费用相加，再除以通过数。

全部合成费用

2.40 元

通过数

13 / 20

合成单位成本

0.184615 元

实测时保留失败与重试、回执、用量、价版、净扣和人工复核。通过数为零或费用待核时，单位成本留空。