查找题型结果

显示 {{ run.requests|length }} / {{ run.requests|length }} 项；分母保持不变。

#题目编号题型质量耗时 / s输出 token

{% for row in run.requests %}

{{ '%02d'|format(row.ordinal) }}{{ row.case_id }}{{ row.category_label }}{{ '通过' if row.quality == 'pass' else '未通过' if row.quality == 'fail' else '未评分' }}{{ row.latency_ms|milliseconds }}{{ row.completion_tokens|display }}

执行：{{ row.state }}停止：{{ row.finish_reason|display }}首次答案：{{ row.first_answer_ms|milliseconds }} stoken 来源：{{ row.token_source|display }}{% if row.error %}错误：{{ row.error }}{% endif %}

题目

参考答案 · 与评分规则共同使用

{{ row.reference_answer|display }}

{% if row.category == 'svg' %}

SVG 生成结果 · 不评分

可解析状态：{{ row.svg_view.status }} · {{ row.svg_view.bytes }} bytes（UTF-8）

{% if row.svg_view.svg is not none %}

{% else %}

无法渲染，查看原始输出。

{% endif %}

模型原始输出 / SVG 源码

{{ row.content }}

{% else %}

模型原始输出

{{ row.content }}

{% endif %}

{% if row.reasoning %}

原始推理内容

{{ row.reasoning }}

{% endif %}

评分规则与核验结果

{{ row.rules|pretty }}

{% for rule in row.rule_results %}{% else %}{% endfor %}

规则	期望	观测	结果 / 原因
{{ rule.rule }}	{{ rule.expected\|display }}	{{ rule.observed\|display }}	{{ '未知' if rule.passed is none else '通过' if rule.passed else '未通过' }} · {{ rule.reason }}
没有已保存的逐规则结果，不能从参考答案补造评分。

{% endfor %}

逐题答案与执行状态

题目

参考答案 · 与评分规则共同使用

SVG 生成结果 · 不评分

模型原始输出