汕头大学 · 新闻与传播学院 · 2026
评测看板 · 评测先于训练
评测集在训练开始前抽样封存，标准答案经两套标注比对与学科专家逐条裁定后封版，此后不再改动。 本页所有数字直接来自评测程序输出文件，人工不改写。
一 · 标准答案
标准答案是怎么产生的
五步走完才算一份可以拿来评分的答案；每一步都留有时间戳和数字，可回溯。
二 · 评测集构成
私有评测集：三个码本任务、五个评分字段
分层列为「高置信 / 边界 / 复核」三层篇数。边界层与复核层是人和模型都容易判错的样本，专门多抽。
| 任务 | 码本 | 篇数 | 分层（高/边/复） | 评分字段 | 年份跨度 |
|---|
两套标注的字段一致率
| 字段 | 所属任务 | 一致率 | 比对项数 |
|---|
三 · 对应通知要求
通知要求的四项评测 ↔ 本项目安排
按《通知》评测要求逐项列出本项目的做法与当前状态，未完成的如实标注。
| 评测项 | 本项目安排 | 状态 |
|---|
四 · 公开评测集
四套公开评测集：检查通用能力不退化
学科微调容易「顾此失彼」。四套公开集用来证明微调后通用中文能力和新闻类任务没有退步。
五 · 对照结果
基座 vs 学科微调 · 同一评测程序
| 阶段 | 对照臂 A（基座） | 对照臂 B（学科微调） | 控制条件 |
|---|
六 · 硬规矩