基準BEN-2026-0003v0.1

PACC-LLM 混合 A/B/C benchmark

三種條件跑在完全相同的候選池上：A 純生成器、B 硬驗證器、C PACC runtime（另有事後的 D「elastic」）。v0.1：7 類 × 28 題 × 8 池 × 112 候選（1,568 個共享池實例）。指標：明示硬約束遵守、衍生一致性、軟意圖滿足、長程保持、原始與有效新穎度、pattern entropy。v0.2：16 個手寫自然語言任務、相同計費預算、只有對條件盲的評審看得到 gold rubric。

研究狀態: EXPERIMENTAL 正在進行實驗驗證
證據等級: E2 受控實驗
版本: 0.1
更新: 2026-09-09
建立: 2026-09-09
領域: Evaluation, Reasoning
計畫: PRG-2026-0001 自適應世界狀態系統的第一原理框架
作者: Neo.K (EveMissLab)
AI 協作: Sol (GPT-5.6, OpenAI ChatGPT)

目的

purpose: Separate 'more rejection' from genuine gains in derived dependency coherence, intent handling and constraint-satisfying novelty.

指標

metrics: explicit hard adherence
derived coherence
soft-intent satisfaction
long-horizon retention
raw novelty
valid novelty
pattern entropy

它沒有測什麼

limitations: A single-model judge is not human evaluation; nothing about real models is measured until a live run exists.

關係

來源	關係	目標	狀態	ID
`BEN-2026-0003` PACC-LLM 混合 A/B/C benchmark	`evaluates`	`THY-2026-0005` PACC 猜想——四層收斂階梯	`ACTIVE`	`REL-2026-0091`
`EXP-2026-0021` PACC-Hybrid v0.1——合成 A/B/C 架構見證	`uses_benchmark`	`BEN-2026-0003` PACC-LLM 混合 A/B/C benchmark	`ACTIVE`	`REL-2026-0314`
`EXP-2026-0022` PACC-Hybrid v0.2——真實語言模型 A/B/C harness（尚未執行）	`uses_benchmark`	`BEN-2026-0003` PACC-LLM 混合 A/B/C benchmark	`ACTIVE`	`REL-2026-0321`
`EXP-2026-0023` PACC-Hybrid v0.2——第一次真實模型執行，本地 9B 開放權重模型	`uses_benchmark`	`BEN-2026-0003` PACC-LLM 混合 A/B/C benchmark	`ACTIVE`	`REL-2026-0327`
`EXP-2026-0024` PACC-Hybrid v0.2——真實模型第二次執行：四次重複與標籤無關的創造廣度	`uses_benchmark`	`BEN-2026-0003` PACC-LLM 混合 A/B/C benchmark	`ACTIVE`	`REL-2026-0335`
`EXP-2026-0025` PACC-Hybrid v0.2——真實模型第三次執行：開啟思考並放大輸出預算	`uses_benchmark`	`BEN-2026-0003` PACC-LLM 混合 A/B/C benchmark	`ACTIVE`	`REL-2026-0344`

歷史與來源歷程

Canonical URL

https://evemisslab.com/ai/benchmarks/BEN-2026-0003/

機器可讀

/ai/benchmarks/BEN-2026-0003/index.json

快照

AI-SNAPSHOT-v0.1-fe85b9694a45

來源歷程

source: EveMissLab research collection: Adaptive Epistemic Systems (真本體論13)
extracted_by: Splice (Claude Code), reading the canonical UTF-8 sources and each lab's own result reports
extracted_at: 2026-09-11
generator: tools/extract_aes/extract.py
claim_boundary: status, evidence level and result type follow the source artifact's own stated claim boundary; nothing is upgraded beyond what the report supports