GDPevo · task_group_024 / test_002 · 2026-10-16
工程 SLA 任务：记忆对照实验
| 组别 | 执行 | 任务成功 | 规则分 | 已知 Token | 模型轮数 | 工具调用 | 耗时秒 | Provider 尝试 |
|---|
Token 为 Session 已知累计用量，包含上下文重复发送。未知用量和额外重试不能当作零；不完整时只报告下限。耗时从 followup 到 idle，不含创建、学习和本地评分。
上一批次 · 共享总时限中断，未拼接结果
实验协议与边界
执行条件
结论边界
这是已阅读题面的开发诊断，不是独立确认集。每组使用新 DSH Session、相同原始题目和业务环境，摘要与经验分别进入 system prompt。
实际调用原生 DSH Node HTTP 和 Agent，使用受限测评工具；不等价于日常浏览器 profile。专业测评中的业务分类约定学习，与通用执行方法学习需要区分。
单题翻转或耗时差异不证明稳定因果收益。规则分是部分得分；任务成功还要求完整执行、所有规则通过和 JSON schema 合法。
原始测试题与输出 Schema
冻结 Manifest
学习来源与实际经验
原 Actor 执行→独立训练评分→原 Actor 蒸馏 / 整理 / 诊断→独立筛选→冻结映射→新 Actor 测试
本轮学习题固定为 train_002；未运行自适应 Curriculum 或并行练习。训练反馈只提供 score / correct / schema 状态，测试答案和判分反馈不进入学习。
候选未发布，经验收益未验证。结构校验、精确引用、筛选通过都不等于经验有效。
| 阶段 | Session | 已知 Token | 耗时秒 |
|---|