黄金边界样例

使用这些样例校准规则，不要把词面模板机械迁移到所有场景。来源中的页码为 PDF 物理页码；“推导”表示按规则组合得到，不是文档逐字给出的标签。

#	query / 上下文	label	主原因码	边界说明	来源
1	开空调	快	`DIRECT_ACTION`	动作和对象明确	新标准 p8
2	太冷了，调一下空调	快	`DIRECT_ACTION`	感受词不覆盖明确动作和对象	新标准 p8，规则推导
3	我感觉好冷快冻死了，帮我调一下	慢	`INTENT_INFERENCE`	未说明要调什么，需反推动作	新标准 p9
4	调一个浪漫点的氛围灯	快	`DIRECT_ACTION`	风格是简单修饰，功能目标明确	新标准 p8–9
5	帮我把房间布置得舒适温馨一些	慢	`SCENE_GOAL_MAPPING`	需把目标状态映射成动作组合	新标准 p9
6	导航去附近评分 4.5 以上的泰国菜	快	`DIRECT_ACTION`	最终汇总覆盖调研版“筛选即慢”	新标准 p2 与 p8
7	导航去附近最大的停车场	快	`DIRECT_ACTION`	单目标、单一简单排序可直接满足	旧评测 p3 与新标准 p8，规则推导
8	推荐一家安静、亲子、评分高、停车方便且别排太久的酒店	慢	`COMPLEX_REASONING`	多个主观/实时条件需权衡	旧评测 p3，新标准规则推导
9	导航去大裤衩，再沿途找充电站，并看看终点附近哪里好停车	慢	`MULTI_STEP_PLANNING`	多地点、多步骤路线编排	新标准 p9
10	删除途经点	快	`DIRECT_OPERATION_FLOW`	导航操作流中的直接动作	新标准 p8
11	把空调调到 24 度，然后打开座椅加热	快	`EXPLICIT_DEVICE_MULTI_ACTION`	多个动作全部为明确设备控制	新标准 p8
12	查天气再决定要不要开窗	慢	`MULTI_STEP_PLANNING`	查询结果决定后续控制	旧评测 p4
13	那个压线噔噔的声音关掉	快	`DIRECT_ACTION`	名称不标准但目标可唯一识别且动作明确	新标准 p4 与 p9
14	打开那个灯（场景中有多个灯）	慢	`TRUE_DISAMBIGUATION`	存在真实多候选，需澄清	旧评测 p3，新标准规则推导
15	导航到那个像大裤衩一样的楼	慢	`TRUE_DISAMBIGUATION`	需先识别隐含地标再定位	旧评测 p3
16	播放周杰伦的歌	快	`DIRECT_ACTION`	明确播放意图和资源	新标准 p8
17	播放最近短视频里很火的那首歌	慢	`TRUE_DISAMBIGUATION`	资源身份不确定且依赖外部热点	旧评测 p3，新标准内容细则
18	找王菲在春晚与别人合唱的歌，再用网易云播放	慢	`MULTI_STEP_PLANNING`	外部检索后跨步骤播放	新标准 p9
19	现在几点了	快	`DIRECT_DETERMINISTIC_QUERY`	高频、唯一、确定性工具查询	旧评测 p3
20	帮我定明天早上 9 点的闹钟	快	`DIRECT_ACTION`	时间和动作明确	新标准 p8
21	小米 SU7 支持哪些驾驶模式	模糊	`PRODUCT_KNOWLEDGE`	纯静态产品知识	新标准 p10
22	我的车怎么突然没声音了	模糊	`FAULT_DIAGNOSIS`	纯故障原因/诊断请求	新标准 p4 与 p10
23	现在胎压是多少	模糊	`DEVICE_OR_ENV_STATE_QUERY`	最终模糊档覆盖调研版简单动态查询快	新标准 p4 与 p10，规则推导
24	家里哪个房间最热	模糊	`DEVICE_OR_ENV_STATE_QUERY`	环境状态查询，无控制副作用	新标准 p10
25	给我讲个笑话	模糊	`OPEN_CHAT_OR_QA`	闲聊/开放内容	新标准 p10
26	做一个介绍 AI4S 的 PPT	慢	`MULTI_STEP_PLANNING`	复杂产物生成与内容组织	新标准 p9
27	音箱端：每天晚上 8 点开灯开空调	慢	`AUTOMATION_SLOW_POLICY`	音箱家庭自动化专项默认慢	新标准 p7
28	车载端：车速超过 70 提醒我减速	快	`DIRECT_ACTION`	车载闹钟/提醒专项走快	新标准 p7
29	前轮慢系统询问“确认开启湿滑模式吗”；当前轮“帮我开启”	慢	`CONTEXT_REQUIRED`	继承慢确认链路	新标准 p4
30	仅当前轮“帮我开启”，无任何前轮	慢	`MISSING_REQUIRED_SLOT`	无法确定开启对象；低置信并复核	新标准规则推导
31	自动帮我设置一下（端侧未知）	模糊	`POLICY_UNCERTAIN`	端侧会改变正式自动化策略；默认慢并复核	新标准 p7，规则推导

最小对照组

校准时至少同时检查以下紧邻对：

太冷了，调一下空调                  -> 快
我感觉好冷快冻死了，帮我调一下       -> 慢

调一个浪漫点的氛围灯                -> 快
帮我把房间布置得浪漫一点             -> 慢

导航去附近评分 4.5 以上的泰国菜       -> 快
帮我综合挑一家不踩雷、少排队、停车方便的餐厅 -> 慢

那个压线噔噔的声音关掉               -> 快
打开那个灯（存在多个候选）            -> 慢

现在几点                            -> 快
现在胎压多少                         -> 模糊

开空调并打开座椅加热                 -> 快
查天气再决定是否开窗                 -> 慢

5.2 KiB Raw Blame History Unescape Escape

黄金边界样例

最小对照组

5.2 KiB

Raw Blame History