g· GeoBench

TASK FAMILIES / INDEPENDENT CHECKERS / HUMAN REVIEW

代码出题，独立复算，
人审代码。

每个题型是一段确定性代码，批量生成题目；另一段不共享任何代码的检查器从题干重新计算每道题。
代码经人审定后，同一题型的所有题都可复现、可核对。出题全程不调用任何模型。

QUALITY FIRST

八条质量原则

原则全文与命令见仓库 RUNBOOK.md ↗。旧的逐题 AI 流程（Builder M0–M6）已归档，只用于追溯旧运行；M0–M6 仍作为阶段名称对照。

PIPELINE

从来源到正式题：五个阶段，十二步

每一步做什么、保证什么

选择一步，查看输入输出、保证、局限、命令与代码。

CATALOG

题型族目录

题型族能力数据路线实例覆盖格独立检查方法

WHY THE CODE CAN BE TRUSTED

独立性与可复现

SCALING

扩展能力：枚举器探针

题型族结构候选抽样题型接受独立检查通过估计可出
探针发现并修正的问题

第一次探针（runs/enum-v01、v02）显示 FRET 效率题在大量实例上“正确项总是最大”：当 E > 0.5 时，登记的错误机制全部给出更小的值。只看原来 3 道题时这个问题看不出来。修正方法是给题型族加一种给出更大值的真实错误（用最近重原子对代替标记原子），并允许从题设 R0 列表中选取使目标秩可达的值。修正后答案位置均衡，已有 3 道题按新版本重新生成（v19）。

BATCH PRODUCTION · PROVISIONAL RULE

批量选题规则与差距（暂定）

读取中…

每格：能选多少、还差什么

每格显示“在全部上限下最多能选 / 目标”；绿色条为最多可选，金色条为同时满足能力比例时的可选。点击格子查看缺口。

规则

待导师确认

    FOR REVIEWERS

    如何复现

    以下命令在仓库根目录运行，不需要任何 API Key。生成与复核都是确定性的：同样的代码和规格得到逐字节相同的结果。