评测涉及价格、版本或日期，怎样避免用过期答案误判模型？

给时效问题注明截至时间和适用范围

适用于产品计价规则变化、软件版本更新或活动日期调整后，原评测分数突然下降的情况。先标记哪些字段会变，并说明地区、套餐及生效时间。当前网页可能不再保留历史状态，因此问过去时点需要对应存档或记录，不能拿今天的页面直接证明当时答案错误。

核对标准答案的官方依据与有效版本

逐项打开原始来源，检查事实日期与页面更新时间，确认单位和适用条件没有变化。区分问题问现在还是某个历史时间，再核对评分规则是否要求精确值或允许合理范围。自动抓取日期可能与事件日期不同，不能把最近抓取时间当成所有事实最新的证据。

分别保存历史基准和当前事实结果

为动态字段保存可追溯来源与核查记录，更新当前测试时保留旧版基准以便比较。过期或暂时无法确认的题单独标记，不静默修改成模型刚输出的值。需要检索的任务应明确允许工具及时间条件，闭卷与可联网系统分开比较，不让某一方额外获取未披露信息。

重新核对动态字段及历史时点判断

重新核对典型变化题与稳定事实题，记录因标准答案过期导致的误判，并检查修订是否仍支持原题含义。报告测试日期和有效范围，无法确认的答案不强行给分。成功是评分依据及时且可追溯，不是把所有新回答都接受；少量更新也不能证明整份题库已完成时效检查。

本文没有运行时效问答评测，也不提供动态字段的当前值。动态事实需要按任务现场核实，研究中的评测方法不能替代具体来源。历史网页可能缺失，需明确证据限制；事实正确、引用可打开和来源最新仍是不同检查，不能仅靠网页返回正常就认定内容有效。