常见问题

题目会公开吗？

不会。公布题目等于把它送进下一次预训练数据。榜单上只给类别、题量与配比。

为什么我的复现结果和榜单差很多？

先确认温度、系统提示与最大输出长度。厂商默认值会变，API 版本也会变， 差 3–5 分通常来自这里，而不是题目。

可以提交自己训练的模型吗？

可以，只要能提供公开可调用的端点，且接受我们不做任何提示词调优。 提交入口见页脚邮箱。

为什么没有安全性评分？

安全性评测需要完全不同的样本设计与人工标注，混进这张表只会让两者都变差。

分数多久更新一次？

主体榜单每两周复核，多语言项每季度换题。新模型上线会触发插入评测， 通常在发布后一周内更新。

发现错误怎么办？

把模型名、题目类别和预期结果发到页脚邮箱。确认后会快速修正并在首页「本期变化」里说明。