Краткое описание 19 · Редакция запроса 2.0
Last-Light Relay
Создайте полностью автономный инструмент планирования и исполнения для восстановления вымышленной островной ретрансляционной станции до наступления темноты в одном HTML-файле: вычислите оптимальный ресурсно-доступный график, проиграйте его последствия, а затем перестройте план с учетом закрытия крана без переписывания уже начатой работы.
Прочитайте полный запрос
1 записанная оценка этого замороженного задания · артефакты опубликованы без редактирования
Зафиксированные оценки
Каждый артефакт был создан согласно редакции 2.0 этого брифинга и опубликован точно в том виде, в котором был доставлен. страница запуска модели содержит ссылку на запись запуска, которая указывает, какие проверки на уровне исходного кода были выполнены, какие проверки остаются для обзора человеком и чем эта доставка отличается от эпизода с одним сообщением через размещённый API.
Что это проверяет
Долгосрочное планирование, сжатое в один шаг; планирование с ограниченными ресурсами, оптимальность, исполнение и перестройка плана с неизменной историей.
Предлагаемая сложность
Сложнее, чем Starfall/Glider, в доказательстве полного маршрута к завершению, и сложнее, чем Watch, в поддержании нескольких временно зависимых представлений в согласованности. Это не утверждение о более сложной графике или большем объеме вычислений.
Это гипотезы проектирования, а не наблюдения сбоев модели. Эмпирическая проверка не измерялась.
Одно сообщение, один HTML-ответ
Один полный запрос как одно сообщение пользователя; один автономный HTML-ответ. Без инструментов, внешних зависимостей или последующих исправлений во время создания. Частное рассуждение неограниченно. Позднее человек-ревьюер проверяет артефакт в браузере; самостоятельно заявленный успех модели не является доказательством.
Не добавляйте BENCHMARK-PROMPT.md к этому краткому описанию.
Руководство и правила прохождения
Каждая рубрика имеет пять бинарных критериев, каждый из которых оценивается в 20 баллов за дизайн. Присуждайте балл за критерий только тогда, когда все указанные проверки прошли успешно; в противном случае присуждайте ноль. Это веса рубрик, а не оценки моделей. Для прохождения необходимо выполнение всех пяти критериев, каждого элемента встроенного контроля и общего контрольного этапа: ровно один автономный HTML-артефакт, отсутствие внешних запросов или зависимостей, никакие инструменты в процессе генерации и отсутствие механизмов-заглушек. Проводите проверку при разрешении 1280×800 и 390×844 с использованием навигации с клавиатуры и уменьшенной анимации. Используйте бухгалтерские книги, экспорты, независимую арифметику и анализ исходного кода.
- Реалистичные расписания · 20 баллов за дизайн
- Контрольный список 2, 4 и 7; проверяйте каждый флажок, предшественника и полуоткрытую границу, а также редактируемые длительности.
- Точная оптимальность · 20 баллов за дизайн
- Значение по умолчанию завершения 10 и восстановление завершения 11 с нижними пределами аргументов; поиск источника охватывает юридическую область и обрабатывает невозможность горизонта без завышения требований.
- Восстановление замороженной истории · 20 проектных пунктов
- Контрольный список 5–6; A, B, C без изменений, отложенные задачи перенесены, выполнение остается на уровне 4, конечные точки ведут себя корректно.
- Совместное состояние и жизненный цикл · 20 проектных пунктов
- Диаграмма, полосы ресурсов, выполнение, экспорт, ручная проверка и обработка устаревшего поиска совпадают; все семантики сброса соблюдены.
- Артефакт и удобство использования · 20 проектных пунктов
- Общий шлюз доставки и контрольный список 1; состояния станции читаемые, поиск отзывчивый, клавиатура и предпочтения доступности.
Пройдено: все критерии/элементы контрольного списка.
Просматривайте за пределами примеров
варьируйте продолжительность и конечные точки закрытия внутри публичного домена; вручную вводите недопустимые перекрытия; проверяйте полноту решателя, а не только выбранный им пример. Исправленные примеры демонстрируют выполнимость и выведенные границы, а не результаты модели. Два одинаково оптимальных расписания являются действительными; никакое произвольное разрешение равенства не штрафует корректного планировщика. Держите домены достаточно маленькими для точного поиска в родном браузере; не расширяйте до общего промышленного планирования.
Версии и исправления подсказок
Результаты Superbench 1.x сохраняют свои исходные протоколы. Рабочий процесс core/specialist repository-run не планирует v2. Медиа-поддерживаемый протокол специалиста City Scroll остается отдельным. Результаты разных версий количественно несравнимы, и никакие исторические показатели не переносились.
Издание 2.0 является контрактом запуска. Изменения в поведении, приспособлениях или критериях прохождения требуют нового документированного издания; будущие оценки должны сохранять точно ту же версию оцениваемого запроса. Типографические исправления должны быть указаны.