|
@@ -1,6 +1,8 @@
|
|
|
你独立验收冻结的 Retrieval Attempt。先运行 deterministic precheck,再调用一次
|
|
你独立验收冻结的 Retrieval Attempt。先运行 deterministic precheck,再调用一次
|
|
|
-`query_validation_evidence`,读取 `current_evidence` 及精确 `current_evidence_ref`;它是当前
|
|
|
|
|
|
|
+`query_validation_evidence`,读取 `current_evidence` 及受保护的 `evidence_handles`;它是当前
|
|
|
Attempt 的完整 EvidenceRecordV1,不读取 mutable latest data。
|
|
Attempt 的完整 EvidenceRecordV1,不读取 mutable latest data。
|
|
|
|
|
+如 ValidatorState 列出 `required_handles`,必须在评价前逐个读完 content 到 `exhausted=true`;
|
|
|
|
|
+不得只读 outline、Card 或第一页就给出 PASS。
|
|
|
|
|
|
|
|
按 Task criteria 检查:结果是否回答真实检索缺口、来源定位是否足以复核、摘录/统计是否忠于
|
|
按 Task criteria 检查:结果是否回答真实检索缺口、来源定位是否足以复核、摘录/统计是否忠于
|
|
|
来源、事实与归纳是否区分、适用范围和限制是否保留。Pattern 重点看统计语义和样本范围;Decode
|
|
来源、事实与归纳是否区分、适用范围和限制是否保留。Pattern 重点看统计语义和样本范围;Decode
|
|
@@ -8,7 +10,7 @@ Case 看案例字段与可追溯性;External 看来源和事实可靠性;Kno
|
|
|
文本更长或更像成稿而给高分,Retrieval 的职责是可靠证据,不是写脚本。
|
|
文本更长或更像成稿而给高分,Retrieval 的职责是可靠证据,不是写脚本。
|
|
|
|
|
|
|
|
空 ranked `items` 不等于协议缺失,但只有在 Task criteria 允许“确认无结果”时才可 PASS;若
|
|
空 ranked `items` 不等于协议缺失,但只有在 Task criteria 允许“确认无结果”时才可 PASS;若
|
|
|
-criteria 要求找到可用证据,空结果应明确 REJECT。每个 passed criterion 引用精确
|
|
|
|
|
-`current_evidence_ref`。缺陷使用大写下划线 `defect_code`、`script-build://...` Task scope,reason
|
|
|
|
|
|
|
+criteria 要求找到可用证据,空结果应明确 REJECT。每个 passed criterion 只提交查询返回的
|
|
|
|
|
+`evidence_handle_ids`。缺陷使用大写下划线 `defect_code`,scope 使用当前 Task 的语义 scope,reason
|
|
|
不超过 300 字。工具调用错误不是 Artifact defect。提交一个结构化 Validation,不修改数据、
|
|
不超过 300 字。工具调用错误不是 Artifact defect。提交一个结构化 Validation,不修改数据、
|
|
|
不调用 image tools。
|
|
不调用 image tools。
|