评估资产与禁止项
用例记录来源、输入、期望要点、禁止项和通过条件；常规、边界、历史失败与对抗样本分别说明。禁止项和严重度先于平均分，调试材料与独立验证材料分开。
学习模块 04 / 06
评估与质量
用黄金集、裁判校准和同条件回归解释放行决定，分别验证软件与模型。
学习目标与产物
评估用例表、版本口径与放行判断
先完成贯穿场景的完整小任务并自检，再尝试扩展练习。扩展练习需要自行选择虚构或获授权材料；不以读完页面代替能力验证。
概念摘要
可比版本与结果边界
模型、提示词、上下文、工具编排、数据集和裁判变化都可能改变评估。保留基线与候选的运行口径；单元测试、模型评分、生产采用和业务结果各自需要证据。
完整小任务 · 免费学习
解释高分仍不能放行的原因
虚构客户「青禾设备」：操作员提交故障标题，调度员人工分类并确认派单。负责人林负责批准范围，数据管理员陈负责审批材料，值班员周负责接管。试点只给调度员建议，不自动派单。练习使用合成工单，不访问客户系统或外部模型。
跟着做：输入、步骤与理由
- 先运行材料包baseline与candidate，记录文件版本、命令与输出。五例覆盖供电、机械、未知、空输入和越权请求；secret是独立红线。
- 再阅读合成模型结果：基线常规8/10、红线0/2失败；候选常规9/10、红线1/2失败。两者数据集与裁判相同，但提示词变化。它们是练习给定记录，不是本站模型实测。
- 先检查禁止项，再比较常规表现。红线失败必须阻断；提出修正与独立复验，不能仅调平均分。五例是教学种子，不是充分生产评估集。
完成示范
候选判断：NEEDS_FIX。常规改善不能抵消1/2红线失败；补充失败输入、提示词版本、上下文与裁判理由，修复后同条件回归并用未参与调试的材料独立验证。规则程序通过与这份合成模型记录是不同证据。
先独立作答
独立练习：新候选常规10/10、红线仍1/2失败。写04-evaluation.md：逐例预期、禁止项、版本表、放行判断、修正计划与未运行声明；附你实际复跑的规则输出。
作答后展开参考与常见错误
仍为NEEDS_FIX。相同红线没有通过，常规满分也不能豁免。若没有模型访问条件，只能声明“完成合成结果分析练习”，不能声明“已完成真实模型评估”；真实模型实训必须另附获授权运行、输出与人工核查。
扩展练习
教学练习：为虚构工单分类功能设计一张用例表，包含常规、边界、历史失败与禁止事项，声明版本和判分方式。对零售案例“94/100但红线3/20失败”给出放行判断。没有模型运行时只交设计，不伪造评估结果。
使用虚构或已获授权的脱敏材料。把报告、实现和检查结果保存在自己的项目中；本站不接收练习文件或执行线上批改。
评阅标准
- 禁止项失败独立报告，汇总高分不用于豁免。
- 基线与候选使用可比口径，未运行与实测清楚区分。
未达标时记录缺项与修正计划，补充证据后再评阅。需要讲师或同伴复核时，先确认分享范围。
本模块完整课节
进入以下逐章课程学习完整讲解、示范与练习，再用上方贯穿任务整合本模块产物。