实测资料：查看输入、运行记录与可复用检查方法
集中查看本站保留原始样本的工具实测与小型流程实验。每项结果都限定到所用输入，提供协议或下载记录；没有执行模型API的实验，不会被标成模型能力排名。
先看样本和边界，再决定怎样复用
这里的实测记录用于复查一项具体任务怎样执行。先阅读协议和失败样例，再下载输入或脚本，在相同条件下重放。词项检索实验没有调用语言模型，编码实验也只处理自建的小型CSV导入器；这些范围必须与结果一起阅读，不能把局部通过率外推为产品整体能力。
从可追溯的引用检查开始复用知识库实验
这组实验用9份虚构资料和8个查询，比较无过滤词项检索与预填元数据过滤。无过滤对照符合3项预设，过滤后8项符合；另外6个引用样本检查了来源字段和逐字片段。结果文件保留了每个样本的预期与实际返回。
这些结果不包含 LLM 或嵌入模型，也没有测试真实身份认证。查询元数据由样本预先提供，不能据此推断系统能够自动理解任意问题或判断任意句子的逻辑支持关系。复用时先检查自己的过滤条件，再按原协议保留失败案例。
用冻结合同检查一次CSV导入器修复
编码实验先固定8项合同检查，再修复把编号转换成整数的CSV导入器。修改前6项失败，修复后8项通过；真实命令行输出也保留了0007与7两条不同记录。补丁和前后源码可以一起查看，便于确认修改范围。
这项编码实测使用自建的 CSV 导入器合成缺陷，由 Codex 辅助完成修复。测试范围限于所附源码和检查条件。复用时先保留合同不变，再修改实现；如果顺手放宽预期结果，即使测试显示通过，也失去了原来的验收意义。
已有四项工具实测分别覆盖哪些输入
OCR实测保留清晰与降质的匿名文字图，能够看到相似字母和金额小数点的具体错误。图片放大实测则读取了下载文件的宽高，并比较文字和几何边缘。这两组小样本不能代表全部照片、手写资料或所有模型。
二维码实测检查生成、导出与解码回读，文字整理实测则比较具体输入在不同操作后的变化。使用自己的素材时，需要重复核对关键字段；不要把某个匿名样本通过直接写成工具对所有输入都可靠。
把本地复跑结果与本站记录分开保存
下载后先阅读README，按其中说明运行脚本，并保留新的结果目录。替换输入时，重新写下对应预期，而不是继续使用旧样本的答案。没有测试过的条件明确记录为空缺，才能知道一次通过究竟支持哪种范围。
本站资料提供复查入口，实际产品选择仍需要相同任务的比较记录。后续内容更新和来源核对有独立记录，重新下载文件不会自动变成一次新测试。涉及私人资料时，先确认环境的数据处理方式，再决定是否替换匿名样本。