VIRALTEST · GOLD SET
不是“感觉更好了”，
是知道好在哪里。
固定案例、版本盲化、独立 Agent Judge 与人类 pairwise 投票，把每次模型或拆解逻辑变动转成可追踪的偏好信号。
候选版本均分—/ 100
证据 20%
结构 15%
复用 15%
EVALUATION / OVERVIEW
让每次变化都有数字回答
检查 Judge…
不是“感觉更好了”，
LATEST EXPERIMENT
最近一次版本对比
还没有评测。先导入两个结果快照。
PREFERENCE LOOP
偏好闭环
- 01固定金标集视频 + 人工拆解
- 02Agent 盲评Codex / 兼容模型
- 03人类投票Pairwise preference
- 04偏好数据DPO / RLHF JSONL
TEAM WORKLOAD
用户盲测工作量
读取中…
ASSIGNED REVIEWS
用户盲测任务
读取中…
ISOLATED VERSION RUN
同配置运行 v1.1.2 × v1.1.3
从 Git 标签只读导出隔离副本，不读写 ViralLens 工作目录；真实模型调用可能产生费用。
2 TAGS
ENDLESS BLIND ARENA
同一视频，两两 PK
原因必填；投票前不显示版本、Prompt 或 AI 分数，投票后才揭晓。
MY ASSIGNMENTS
我的盲测任务
读取中…
评测进行中
选择一条历史评测，或新建一次 A/B 盲评。
GOLD DATASET
ViralTest v1
仅使用有拆解名称与编号的 15 条记录；空白表单行自动排除。
SCORING CONTRACT
85% Agent 语义分 + 15% 客观合同分
客观合同分检查字段完整度、时间线顺序和证据密度；Agent 不接收版本名，只看到人工参考与 A/B 输出。
IMMUTABLE OUTPUTS
版本快照
一次快照保存一组拆解结果。推荐 revision 写入 Git SHA、Prompt 版本或模型标识。
导入格式
{ "label": "v1.3", "revision": "git-sha", "items": [{ "case_key": "NO.001", "output": { ... } }] }也支持直接导入 FullAnalysis 数组，使用 source.title 自动匹配。