dingbin.wang e1c3f2493e 替换测评集为官方文档集(91 条:7 型号 × 10 文本 + 3 图片)
- evalset.jsonl: 由 rdk_eval_dataset.json 转换,含 model/type/difficulty/reference_answer
- prepare_dataset.py: 改为官方文档集 -> evalset.jsonl(图片转绝对路径)
- run_agent_eval.py: 图片题用 -i 传图(prompt 走 stdin),轨迹记录 sid/model/type
- judge.py: 字段改 reference_answer,按题型/型号拆分汇总
- prompts/judge_prompt.md: 适配规格类短答案评分;agent_prompt 加图片题说明
- results/smoke_official/: 官方集冒烟(1 文本 + 1 图片),替换旧论坛集冒烟
2026-08-15 01:06:26 +08:00
..