# 衣序开发与回归评测记录

运行时间：2026-11-08T02:49:02.234Z。请求版本：hybrid。

样本来源：人工构造的开发与工程回归用例。可满足性逐题预标，采用固定分母统计，冲突用例保留在对应分组。

| 项目 | 本次记录 |
|---|---:|
| 固定用例分母 | 37 |
| 路径输出符合预标期待 | 34/37 |
| 预标可满足 / 不可满足 | 25 / 11 |
| 错误报告冲突 / 错误报告成功 | 0 / 0 |
| 执行错误 | 0 |
| 实际模型执行 | 37 |
| 模型未执行 | 0 |
| 明确降级 | 0 |
| 观察时延中位数 / P95 ms | 2880.93 / 3479.14 |

模型执行组：34/37，按实际执行模型且完成请求的样本统计；分母为0时保留原始计数。路径输出统计覆盖全部请求，规则回退单列。

| 分层 | 符合期待 / 固定分母 |
|---|---:|
| basic | 6/6 |
| missing_optional | 1/1 |
| explicit_constraints | 9/9 |
| recent | 3/3 |
| conflict | 7/7 |
| missing | 2/4 |
| soft_preferences | 1/2 |
| minimal_wardrobe | 1/1 |
| multiturn | 3/3 |
| unsupported | 1/1 |

## 未通过用例

- D25：expectedStatus
- D27：expectedStatus
- D28：expectedStatus

## 数据与统计口径

本报告统计预标匹配、显式约束、执行模式、降级与时延，各题按场景分组。API usage 保存服务端原始返回，费用按实际价格配置换算。

时延采用runner端完整请求墙钟时间，API的meta.elapsedMs在逐题JSON/CSV中单列。原始meta.modelStages记录解析、重排等阶段，模型执行样本按实际模式与降级标记分组。

数据版本：synthetic-eval-v1。题库 SHA256：904b1f188a9029cf194ab449c71333990aa941688fbb68149ca5f37059160fe2。衣橱 SHA256：4a5a0644287cf81033ae0f9d4b307f97be078e9c897e3062cd3c20157e0ec9f5。核心 SHA256：c4e4939abddfe9da0b72272852f7d78a13d21628625868078aadcac473b5b8ec。
