Краткий обзор 18 · Издание подсказки 2.0
Обсерватория Tidal Ledger
Постройте интерактивную гавань-обсерваторию в одном автономном HTML-файле: три склада обмениваются пломбированным грузом через детерминированный реестр событий, и пользователи могут перематывать, воспроизводить и создавать ветвления истории, одновременно проверяя точное местоположение каждой единицы.
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
кодирование без инструментов в условиях адверариальной консистентности; детерминированное воспроизведение событий, идемпотентность, атомарный импорт и ветвление временной линии.
Предлагаемая сложность
сложнее, чем сброс/учёт Starfall и форвард-призрак Neon Drift по истории состояний и правильности обратного хода; визуальная сложность ниже, чем в основных 3D-играх.
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.
- Сохранение и переходы · 20 дизайн-баллов
- Контрольный список 2 и 5; физическая сумма 12, сверка доступного/удерживаемого, отсутствие двойного вычета, правильная ссылка на время жизни.
- Каноническое поглощение · 20 проектных баллов
- Контрольный список 4, 5 и 7; стабильная сортировка, глубокое равенство дубликатов, атомарное структурное отклонение.
- Время и ветвление · 20 проектных баллов
- Контрольный список 3 и 6; каждый префикс можно восстановить, отклонённые будущие остаются отклонёнными, воспроизведение не изменяет дополнительные события.
- Аудиторская достоверность · 20 проектных баллов
- Видимые причины и экспорт соответствуют независимой арифметике, оценённые префиксы и принятый журнал, включая семантические ошибки.
- Артефакт и удобство использования · 20 проектных пунктов
- Общие ворота доставки; контрольный список 1 и состояния Сброс/пусто/ошибка в 7; читаемая иллюстрация и доступные элементы управления.
Пройдено: все критерии/элементы контрольного списка.
Просматривайте за пределами примеров
перетасовывайте массивы, переименовывайте действительные идентификаторы/ссылки, дублируйте записи и используйте альтернативные небольшие передачи, сохраняя публичную схему. Проверяйте промежуточные префиксы, а не только общие итоги фикстур. Это тестирует произвольные юридические журналы и не может быть успешно пройдено, возвращая шесть примерных состояний. Различайте семантический отказ неизвестной ссылки и атомарный отказ недопустимой схемы.
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.