← 评测数据集

场景长尾

幻觉、拒答、域移、专科等场景入口（P0 种子 24 条，后续扩至 80–120）。

提交评测简报前沿洞察

1. 硬幻觉上线门禁 · GB-Safety
2. 拒答覆盖率与体验平衡 · GB-Safety
3. CT 设备域移 · GB-Vision
4. 肺结节评测回流样板 · MG-Loop
5. 病理 WSI 私有小题 · GB-Vision
6. 多轮分诊与转诊 · GB-Clin
7. 模型打分器校准 · GB-Clin
8. 知识高安全低的发布否决 · GB-Safety
9. 融资尽调污染字段 · GB-Audit
10. 指南冲突题处理 · GB-Exam
11. Agent 工具白名单 · GB-Clin
12. 过程日志接入 CI · GB-Vision
13. 样本级证据裁切 · GB-Audit
14. Hard 子集代际复测 · GB-Clin
15. 跨语翻译交付陷阱 · GB-Exam
16. 考试集降级为哨兵 · GB-Exam
17. 多模态推理缺口 · GB-Vision
18. 共识校验进尽调包 · GB-Audit
19. 持续红队节奏 · GB-Safety
20. 补丁包计价单元 · MG-Loop
21. 执考题污染机制 · GB-Exam
22. 报告金标准来源 · GB-Vision
23. 不确定选项工程 · GB-Safety
24. 私有冻结集合同写法 · GB-Audit