Benchmark Report

一页结论

• 模型版本：smoke-v2
• 数据版本：synthetic_v2
• 核心结论：top1=0.6 top5=0.75
• 是否通过上线门禁：TBD

1. 评测范围图

flowchart LR
    A[smoke-v2] --> B[synthetic_v2]
    A --> C[Scenario Buckets]
    A --> D[Latency / Ops]

2. 指标表

Bucket	top1	top5	MRR	FAR	Notes
clean	1.0	1.0
augmented	0.75	0.75
humming_like	0.0	0.75
confused	0.25	0.25

3. 文字分析

• 最强项：clean/augmented buckets if present
• 最弱项：see hard-case summary
• 与上一版本对比：TBD

4. 细节附录

• 原始 JSON 报告：embedded source

Sources

• docs/industrial-benchmark-spec.md