Researcher 验收与已知边界

01当前验收状态

02测什么

40 道中英文问题覆盖 LVE、磁力起点、量子有效近似、开放问题、登记状态、虚构式号、历史版本和提示注入。检索验收检查预期来源或错误；引用程序校验检查真实 ID、快照、来源版本与原句。五种模式使用不同任务约束。

03不把程序校验当作内容判断

同一句原文可能被错误使用。因此每次真实回答仍需人工检查：原句是否支持主张，是否遗漏前提或近似阶数，是否偷换比较框架，是否把候选或开放结果升级，以及中英文是否表达同一含义。这里不公布未经测量的准确率。

04真实调用的验收方式

部署者配置独立 Worker、服务端密钥、研究访问令牌和预算后，使用交付代码中的 live evaluation 脚本运行同一题集。报告保存模型标识、知识快照、真实回答、失败回退和引用校验；人工内容评分另外填写。测试用传输 fixture 仅验证接口分支，不计入模型能力。

05已知失败与边界

关键词检索可能漏掉同义表达或跨页长推导；历史快照只支持实际保留和部署的版本。超过上下文预算时仅发送完整选中段落，未选中内容有提示。缺失模型、访问失败、限额、超时、引用不合格或模型拒答均回退为资料检索，不伪造回答。程序无法保证消除所有提示注入和论证错误；新推演必须人工复核。