{
  "version": "rbeval-demo-5x8-2",
  "generatedAt": "2026-10-13T17:01:08Z",
  "demoDate": "2026-10-06",
  "runId": "m930_3_cited_upload_20261006T033105Z",
  "sourceDocuments": [
    "readback.md",
    "website_eval_showcase.md"
  ],
  "scope": "复核已保存的产物；没有重新运行生成、检索或模型调用。程序测试单列，补充取材实验单列。",
  "items": {
    "D01": {
      "value": "506 / 506 条通过 · 100%",
      "explanation": "本批评测工具的聚焦测试；失败 0 条、跳过 0 条。",
      "details": [
        "没有运行全部测试，也不能用程序测试通过率代表报告质量。"
      ],
      "state": "measured"
    },
    "D02": {
      "value": "6 / 6 类有记录 · 100%",
      "explanation": "程序与规则版本、模型与指令、报告要求、输入文件、检查规则、评测方法均可回查。",
      "details": [
        "程序版本按产物记录的规则版本核对；没有这次生成器代码提交的记录，不能视为代码已经封存。"
      ],
      "state": "measured"
    },
    "D03": {
      "value": "29 / 29 个问题 · 100%",
      "explanation": "本批评测工具的已核查问题均有复现、原因和修复前后验证。",
      "details": [
        "这 29 个是评测工具的问题，不是报告内容中发现的问题。"
      ],
      "state": "measured"
    },
    "P01": {
      "value": "6 / 6 份一致 · 100%",
      "explanation": "登记文件与保存文件的身份、内容一致；未发现缺少、多出或不一致文件。",
      "details": [
        "只核对已登记文件，不代表重新完成了文档解析或表格提取。"
      ],
      "state": "measured"
    },
    "P02": {
      "value": "51 / 51 条 · 100%",
      "explanation": "引用均能对应到登记的来源与位置；没有定位失败的引用。",
      "details": [
        "本次核对来源登记与上传文件的一致性，没有重新打开原文逐条判断句意。引用可定位，不等于原文支持这句话。"
      ],
      "state": "measured"
    },
    "P03": {
      "value": "待内容核对",
      "explanation": "20 个必答栏目中，16 个登记了资料；这还不能证明所需信息已取得。",
      "details": [
        "16 / 20（80%）是栏目材料登记的诊断读数，不是按独立信息点清单计算的资料取得率。",
        "“检索与取材效果演进”补充了独立实验：公司题按页面覆盖检查，财务题按信息项检查；不替代本项主样本成绩。"
      ],
      "state": "pending"
    },
    "P04": {
      "value": "97 / 97 条 · 100%",
      "explanation": "待核事实均留下完整检查字段；缺少必需字段的记录为 0。",
      "details": [
        "只检查结论和理由等字段是否完整，没有重新判断这些事实是否可以写入正文。"
      ],
      "state": "measured"
    },
    "P05": {
      "value": "材料 65 / 65；事实 97 / 97",
      "explanation": "两组编号核对均为 100%；写作清单与实际发送记录一致。",
      "details": [
        "核对范围仅为写作清单到发送请求。上游资料包未完整保存，请求记录也未包含资料正文；这两层仍无法核实。",
        "编号一致不代表资料正文未变化，也不代表写作采用了全部资料。"
      ],
      "state": "measured"
    },
    "P06": {
      "value": "结果留存 15 / 15 · 100%",
      "explanation": "15 条已完成记录都有对应结果；步骤完成率仍无法计算。",
      "details": [
        "没有保存计划步骤清单，不能把完成事件数除以全部日志事件数当作步骤完成率。"
      ],
      "state": "measured"
    },
    "P07": {
      "value": "31 / 31 句已检查 · 100%",
      "explanation": "6 句触发数字规则问题，3 句触发栏目规则问题；两类不直接相加。",
      "details": [
        "2 / 2 条返回回复成功读成正式正文；记录中 6 句被阻断。",
        "数字规则问题为 6 / 31（19.4%），栏目规则问题为 3 / 31（9.7%）。",
        "规则检查与原文含义审阅检查不同内容，不能仅因结论不同就判断独立审阅漏报。"
      ],
      "state": "measured"
    },
    "P08": {
      "value": "31 / 31 句 · 100%",
      "explanation": "全部应审正文均送审并取得独立审阅记录。",
      "details": [
        "送审范围与有效审阅结果均为 31 / 31。没有因缺少引用而把实质句排除在应审范围外。",
        "确定性财务表单独检查，不计入逐句应审范围。覆盖完整不代表审阅判断全部正确。"
      ],
      "state": "measured"
    },
    "P09": {
      "value": "3 / 3 项可读 · 100%",
      "explanation": "公司正文、财务正文、资产负债结构分析均有可读产物，生成流程已完成。",
      "details": [
        "本次只复核保存的产物，没有重新在浏览器验证展示。单次完成不构成稳定成功率，也不等于可以发布。"
      ],
      "state": "measured"
    },
    "B01": {
      "value": "待人工评阅",
      "explanation": "仍需逐条比对 20 个必答问题与正文，判断是否完整回答且有依据。",
      "details": [
        "13 / 20 栏目有正文落点只是过程读数；栏目里有字，不等于问题已答清楚。"
      ],
      "state": "pending"
    },
    "B02": {
      "value": "待建立要点对照表",
      "explanation": "需先从原文独立列出应写的重要信息，再检查正文有没有遗漏。",
      "details": [
        "材料被引用过不等于其中的重要信息都被采用。"
      ],
      "state": "pending"
    },
    "B03": {
      "value": "11 / 17 句 · 64.7%",
      "explanation": "带数字的句子按引用、年份、单位等规则核对；未检查 0 句。",
      "details": [
        "每句话只计一次；一句有多个数字也不拆成多项。规则通过仍不能证明业务解释正确。"
      ],
      "state": "measured"
    },
    "B04": {
      "value": "表格 84 / 84；原值 12 / 12；计算 105 / 105",
      "explanation": "三组均为 100%，分别核对表格抄录、财务原值与计算结果。",
      "details": [
        "84 个展示单元格与写作所引用的数值一致；这一组不是重新核对原始财务文件。",
        "12 条原始值与核验过的全精度财务数据一致。",
        "105 条计算结果按原始精度重算：变化 45 / 45、占比 44 / 44、比率 16 / 16；未复算 0 条。不能用四舍五入后的显示值替代原值。"
      ],
      "state": "measured"
    },
    "B05": {
      "value": "24 / 24 条展示记录 · 待人工确认",
      "explanation": "展示记录对应 12 个独立原件区域；人工尚未确认是否清晰完整。",
      "details": [
        "自动记录没有显示缺陷，但 24 条分节记录不是 24 个不同表格区域；人工确认不填 0 分。"
      ],
      "state": "measured"
    },
    "B06": {
      "value": "待人工评阅",
      "explanation": "尚无真实读者的任务完成记录与 0–4 分阅读评分。",
      "details": [
        "评测者自己阅读不能替代客户经理使用测试，也不能据此声称节省了多少人工时间。"
      ],
      "state": "pending"
    },
    "B07": {
      "value": "待人工评阅",
      "explanation": "需与原文逐项比较标题、表头、数字和单位的对应关系。",
      "details": [
        "内部结构检查只证明系统记录了某种对应关系，不能代替业务关系正确率。"
      ],
      "state": "pending"
    },
    "B08": {
      "value": "待建立对照表并人工核查",
      "explanation": "找到内容的比例需有目标信息清单；关联有没有连错需对照原文。",
      "details": [
        "结构上尚未证明的关联不是已经判错的关联；未判断项不写成错误率。"
      ],
      "state": "pending"
    },
    "B09": {
      "value": "记录不足，暂不能计算",
      "explanation": "这次生成没有保存逐个问题的渠道选择记录，无法核对当时选了什么。",
      "details": [],
      "state": "missing"
    },
    "B10": {
      "value": "记录不足，暂不能计算",
      "explanation": "主样本没有保留逐题检索结果，也没有独立的信息点对照表；独立补充实验不能替代本项读数。",
      "details": [],
      "state": "missing"
    },
    "B11": {
      "value": "记录不足，暂不能计算",
      "explanation": "没有逐次停止查找的决定与理由记录，不能据最终缺口倒推停止是否合理。",
      "details": [],
      "state": "missing"
    },
    "B12": {
      "value": "待人工评阅",
      "explanation": "需逐条判断 20 个必答问题的资料是否足够，以及必要的数字核查是否完成。",
      "details": [
        "16 个栏目登记过资料，不等于 16 个问题都已有足够材料回答。"
      ],
      "state": "pending"
    },
    "B13": {
      "value": "待人工评阅",
      "explanation": "还需独立标出真实问题，再比较审阅是否漏报、误报或过度审阅。",
      "details": [
        "此次审阅没有提出问题建议，但不能据此记为误报率 0% 或检出率 100%。31 条“有据”审阅记录不是问题建议。",
        "误拦截率还需要独立确定哪些案例本来不应被阻止交付。"
      ],
      "state": "pending"
    },
    "B14": {
      "value": "待人工评阅",
      "explanation": "需把正文中的事实说法逐条与原文比较，判断是否改意、夸大或缺少支持。",
      "details": [
        "31 句的引用都能定位，只说明引用链可查，不能替代事实说法的支持比例；句数也不能替代事实说法数。"
      ],
      "state": "pending"
    },
    "B15": {
      "value": "材料 9 条；正文 6 条；页面 8 条",
      "explanation": "已记录三层缺失说明的数量；说明是否完整、准确仍待人工判断。",
      "details": [
        "三层统计粒度不同，数量不同不直接构成错误。需另行确认全部未解决必答问题，才能计算说明完整率。"
      ],
      "state": "measured"
    },
    "O01": {
      "value": "已有依据 94 / 94；所需依据 81 / 91",
      "explanation": "已列依据均可找到且内容未变；必需依据的覆盖尚不完整。",
      "details": [
        "已有依据有效率为 100%，所需依据齐备率记录为 89.0%。",
        "81 / 91 按该类依据是否至少支持一项已测读数汇总，是保守统计，不等于原始材料都已齐全。"
      ],
      "state": "measured"
    },
    "C01": {
      "value": "已记录区间 23 分 46 秒",
      "explanation": "日志首末事件相隔 1,426 秒，不是完整的上传到交付耗时。",
      "details": [
        "日志范围为 2026-10-06 03:32:35 至 03:56:21 UTC；另有 20 个相邻记录间隔，不能当作各阶段耗时。",
        "上传等待、末条记录之后的工作与页面呈现不在这一时长内。"
      ],
      "state": "measured"
    },
    "C02": {
      "value": "4 次请求 · 0 次失败",
      "explanation": "写作 2 次、审阅 2 次；4 次均有服务商用量记录。",
      "details": [
        "输入用量 81,294 tokens，输出 7,746 tokens。tokens 是模型计费用的文字单位，不等同于汉字数。",
        "用量记录覆盖 4 / 4（100%）；仅统计这次报告生成的模型账本。"
      ],
      "state": "measured"
    },
    "C03": {
      "value": "记录不足，暂不能计算",
      "explanation": "4 次请求均缺少当时的单价或账单，暂不能核实费用；未知费用不写成 0 元。",
      "details": [],
      "state": "missing"
    },
    "C04": {
      "value": "重复读取未评；返修不适用",
      "explanation": "没有逐问题读取轨迹；这次生成没有发起返修，因此无返修前后对比。",
      "details": [
        "没有读取轨迹就不能判断哪些重复读取是无效重复，哪些是合理核验。"
      ],
      "state": "missing"
    },
    "C05": {
      "value": "测试 2.554 秒；评测 0.085 秒",
      "explanation": "分别为本批聚焦测试和主样本评测段耗时；人工阅读耗时待测。",
      "details": [
        "0.085 秒不含报告生成、人工诊断和录像；评测程序拆包与复算的整体记录约 0.3 秒，范围不同，不混为同一计时。"
      ],
      "state": "measured"
    }
  }
}