video-image-production-build/evals/global_data/README.md

Global Data 0.3 Evals

这是一组小而稳定的离线 Eval，不调用真实模型或媒体生成服务。cases.json 固定 8 个代表性案例，覆盖：

• final_output：最终报告、COMPLETED 终态重验；
• trajectory：远程工具调用顺序、Replan 保留已 PASS Task；
• single_step：Plan 覆盖、Artifact 本地化、Validator 前置检查；
• adversarial：同一个远程 URL 在首次下载后替换内容。

运行：

uv run python evals/global_data/run.py

这些 Eval 验证确定性合同和执行轨迹，不代替真实模型质量评估。后续积累真实失败 样本时，应替换或扩充案例本身，而不是把数量无限增加。