---
{
  "id": "ASD-RSR-AI-EVALUATION",
  "path": "/ai/evaluation",
  "title": "Researcher 验收与已知边界",
  "title_en": "Researcher evaluation and known limits",
  "category": "Researcher / 研究协作",
  "summary": "分别报告检索、引用程序校验、真实模型测试与人工内容复核。",
  "related": [
    "/researcher",
    "/ai/knowledge-base",
    "/ai/evaluation"
  ],
  "template": "document",
  "version": "1.0.0",
  "updated": "2026-09-27",
  "date_published": "2026-09-27",
  "canonical": false,
  "source_tier": "published",
  "depends_on": [],
  "open_problems": [],
  "equations": [],
  "sources": [
    {
      "label": "ASD published site corpus / Researcher v1.0 release",
      "kind": "website-engineering"
    }
  ],
  "theory_status": "FOUNDATION",
  "evidence_status": "DOCUMENT",
  "locale": "zh",
  "translation_path": "/en/ai/evaluation",
  "canonical_url": "https://asd-physics.org/ai/evaluation",
  "seo_title": "Researcher 验收与已知边界 · ASD Researcher v1.0",
  "metadata_reviewed": "2026-09-27"
}
---

## 当前验收状态

<ResearcherEvaluation />

## 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。

## 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。

## 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。

## 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。