From a60d16e1696d75012b3c73de046f7e87d374205b Mon Sep 17 00:00:00 2001 From: YANG JIANKUAN Date: Wed, 4 Nov 2026 18:01:45 +0800 Subject: [PATCH] =?UTF-8?q?docs(check):=20P13=20=E5=88=86=E9=A1=B9?= =?UTF-8?q?=E9=80=90=E9=A1=B9=E5=AF=B9=E7=85=A7=E8=AF=95=E8=AF=BB=E5=90=8E?= =?UTF-8?q?=E6=9A=82=E7=BC=93=EF=BC=8C=E8=AE=B0=E5=BD=95=E5=8E=9F=E5=9B=A0?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Co-Authored-By: Claude Opus 5.5 --- AGENTS.md | 2 +- docs/architecture/check-eval.md | 2 +- 2 files changed, 2 insertions(+), 2 deletions(-) diff --git a/AGENTS.md b/AGENTS.md index 863caa7..890b23b 100644 --- a/AGENTS.md +++ b/AGENTS.md @@ -217,4 +217,4 @@ samples/ - 2026-11-04：查标第 2 步收尾：需人工核对（份数、密封、递交、CA 签章加密、解密、保证金，从清单按主题合并，查标页勾选、按项目存，P2）；「报价」类清单项（C7，读标从清单表规则读出分项 / 单价上限）和规则 `PRICE.OVER_CEILING_ITEM`；评测集派生 4 份报价问题投标文件，21 份上规则问题 62 / 62、误报 0。见 `docs/architecture/check-eval.md` §7。 - 2026-11-04：查标第五轮（不调模型的后处理）：偏离栏直读（证据所在表格行的偏离格写着不满足就改判负偏离）、响应错位（照抄要求格 + 响应格写的是别的内容）；复查复用（送审内容没变的条目沿用上次的模型结论）和每次检查的硬预算。开发集 17 份召回 61% → 73%，负偏离未说明 64% → 90%，致命级 22 → 24 / 32，规矩投标文件的问题数不变（235）。见 `docs/architecture/check-eval.md` §8。 - 2026-11-04：查标第六轮：送给模型的「同一行」按单元格分行；修了「以合同签订时间为准」被当成中标后才交、业绩评分项被跳过的缺陷；重复条目按用户决定改为各自判断、只合并显示（C5 修订，`docs/decisions.md`）；致命项重问按数据（开发集致命级证据校验失败 0 条）暂不做。评测集裁定 1 条。开发集召回 74%、致命级 25 / 32。见 `docs/architecture/check-eval.md` §9。 -- 下一步：第 2 步补分项和采购需求逐项对照（P13），然后冻结第 3 步代码，跑留出集和国动真实投标文件（届时向用户要文件）。 +- 下一步：冻结查标第 3 步代码（P13 分项逐项对照试读后暂缓，原因见 check-eval §10），生成留出集投标文件（S03、S06、S09，风格 B + C，封存词库）并复核，再跑留出集和国动真实投标文件各一次。 diff --git a/docs/architecture/check-eval.md b/docs/architecture/check-eval.md index 612a531..8d38244 100644 --- a/docs/architecture/check-eval.md +++ b/docs/architecture/check-eval.md @@ -226,7 +226,7 @@ ## 10. 下一步 -1. 第 2 步还差：分项报价表和采购需求清单逐项对照（P13）、散文写法的单价上限。 +1. 分项报价表和采购需求清单逐项对照（P13）**暂缓**：在开发集 7 份招标文件上试读「名称 + 数量」的采购清单表，S02、S08（服务类）没有这种表；S04 把「是否进口」一栏读成了名称；S10 采购包 2 的表跨页、第二页没有表头，漏了大半；S01 9 行里能和投标文件的分项对上名称的只有 7 行。P13 是致命级，按这个抽取质量在真实文件上会大量误报「缺项」，评测集里也没有注入过，先不上，覆盖范围里照写「还没有上线」。散文写法的单价上限同样暂缓。 2. 第 3 步冻结前：确认各项改动的单元测试都有开发集以外的反例；冻结后跑留出集（S03、S06、S09，风格 B + C）和国动真实投标文件，各一次。 3. 第 3 步：D09（响应对象错位）、D06（负偏离未说明）的提示词 v3，token 预算、复查复用、重复条目分组。 3. 留出集（S03、S06、S09，风格 B + C，封存的词库）和真实国动投标文件，在第 3 步冻结代码后只跑一次。