diff --git a/PROGRESS.md b/PROGRESS.md index fa05175..59d5266 100644 --- a/PROGRESS.md +++ b/PROGRESS.md @@ -132,6 +132,7 @@ - [x] 完成评测安全首版:33 个正文目录、二十二张测量账,以及指标校准—Judge 偏差—污染动态题—系统安全边界四联实验。 - [x] 论文库新增 BLEU、GLUE、HumanEval、MT-Bench、LiveBench、HarmBench、InjecAgent、AILuminate 等 50 个节点,从 400 篇扩充至 450 篇。 - [x] Astro 类型检查、生产构建、20 个页面、1053 个站内引用和 15 个跨页锚点通过;十三套专题 Chrome 回归、键盘 tabs 与 390px 移动端无异常。 +- [x] 评测安全首版以源提交 `cfd2367`、不可变镜像 `20260729T013530Z-cfd2367` 发布;NAS、VPS/Tailscale、NPM、DNS、HTTPS、证书、门户、公开 Forgejo 与十三套生产 Chrome 回归全链路通过。 ## 正在进行 @@ -231,6 +232,7 @@ | 2026-07-29 | DeepSeek 与 K3 评测谱系按协议字段重建 | R1 的非零温多采样 pass@1、V4 effort / context / tool budget 与 K3 §6 task-specific harness 分层说明 | | 2026-07-29 | 论文库扩充到 450 篇 | 新增 50 个指标、套件、动态基准、Judge、代码 Verifier、安全与 Agent 风险节点 | | 2026-07-29 | 评测安全首版用四个独立实验闭环 | 指标/校准、Judge/Arena、污染/动态题、系统/安全边界分开建模,不合成伪“模型总分” | +| 2026-07-29 | 评测安全首版用不可变镜像 `20260729T013530Z-cfd2367` 发布 | OCI digest `sha256:3c4c34a8…50be6`;复用 `12010→8080`、NPM host 31 / cert 41、门户 order 180 与公开 Forgejo | ## 未决问题 diff --git a/research/EVALUATION_SAFETY_RESEARCH.md b/research/EVALUATION_SAFETY_RESEARCH.md index b5fe4cb..4dfc933 100644 --- a/research/EVALUATION_SAFETY_RESEARCH.md +++ b/research/EVALUATION_SAFETY_RESEARCH.md @@ -1385,4 +1385,4 @@ K3 §6 的价值不只是分数高,而是提供了一个真实的前沿评测 - [x] 四联交互实验教学合同; - [x] 评测审计卡; - [x] 网站实现与浏览器回归; -- [ ] 生产发布与公开仓库同步。 +- [x] 生产发布与公开仓库同步。