公开实验看板

这里汇总仓库中已经审计并提交的搜广推、基础模型、结构化决策、多模态、LLM 后训练与 Agent 指标。公开页面只读取 docs/ 下的稳定指标，不包含本地 checkpoint、私有数据或尚未审计的临时运行。

Agent 结果分层展示

L1 机制诊断用于确认规划、记忆、工具、RL credit 等论文机制能够执行。确定性 mini-suite 的 success 指标可能饱和，因此不作为模型能力成绩，也不参与跨方法排名；只有明确标记为正式比较的 L2/L3 结果才可用于效果比较。

—当前结果

—方法

—数据集

—研究领域

领域全部领域 搜索 排序领域与方法方法名称

正在读取公开指标……

数据口径

• 页面数据由 scripts/generate_public_experiment_dashboard.py 从已提交指标确定性生成；
• 正式评测卡片优先展示 NDCG、Recall、Accuracy、AUC、成功率、Loss、延迟等核心指标；
• Agent L1 卡片改为展示评测等级、benchmark、episodes、模拟成本和论文机制计数；饱和的 success 指标只保留在折叠的原始记录中；
• 其余字段折叠在“查看全部指标”中，避免用一整段 JSON 挤压页面；
• 点击“查看指标产物”可回到 GitHub 中对应的原始 JSON，结论仍可追溯。