大模型评测报告应带的十项运行元数据

文章提出大模型评测报告应记录十项运行元数据，包括模型版本快照、数据集哈希、解码参数、判据版本、工具降级、用户模拟器版本、硬件与区域、时间窗、样本量与置信信息、失败样本存放位置。作者认为只有模型快照、数据集标识与解码参数一致时两份分数才可直接比较，并给出 compare_gate.py 示例，在条件缺失或不一致时把两份报告挡在对比表外。文中数值仅用于说明字段格式，不对应任何真实模型成绩。