World's first open-source enterprise world model.
Rust agent-memorybitemporalgraphragknowledge-baseknowledge-graphllmontologypgvectorpostgresqlragrustself-hostedsemantic-searchtemporal-knowledge-graphworld-model
docs(bench): twenty signatures to a batch costs recall; the batch stays at twelve (#1226)
WaylandYang906495fad9b9
diff --git a/scripts/bench/README.md b/scripts/bench/README.mdindex 1331d691..a900b0d1 100644--- a/scripts/bench/README.md+++ b/scripts/bench/README.md@@ -1138,3 +1138,23 @@ misworded 从 4% 到 31%。在 deepseek-flash 上这条规矩的账是另一个`minimal`,全关。没有哪一步再替工作区另定一个强度。按 0044 的 token 门槛读,1.9–2.2 万仍是门槛的三倍多。费用:全关两组共 ¥1.0,裁判约 $1。++### 短语对齐一批二十条,不做(2026-09-29,dev @ 2de0dcf,gemini-3.5-flash)++短语对齐一次调用里系统消息占四分之一,一批放得多它摊得薄。把一批从 12 条加到 20 条,在第七次那个库上+(230 条签名,陈述不动)清掉短语的绑定重判,各两遍,每遍之后对金标打分、裁判判全部类型化行:++| | 12 条 | 12 条 再一遍 | 20 条 | 20 条 再一遍 |+|---|---|---|---|---|+| 调用 | 41 | 38 | 24 | 24 |+| token | 143372 | 131177 | 112635 | 109780 |+| 绑定 bound / none / undecided | 101 / 106 / 23 | 105 / 104 / 21 | 95 / 110 / 25 | 95 / 116 / 19 |+| 类型化 | 134 | 142 | 129 | 138 |+| gold recall(同句) | 10.1%(19.5%) | 11.0%(21.1%) | 8.6%(17.2%) | 8.8%(17.2%) |+| 裁判精度 | 85.1% | 82.4% | 85.0% | 83.3% |++token 少两成,召回两遍都低两个点上下(同句 19.5 / 21.1 对 17.2 / 17.2),绑上的少六到十条,精度不变:+一批长了模型更爱答「没有」。不做,`BATCH` 留在 12。++另外两处看过没有可量的:规则 6(状态的起止)只在候选里有状态属性时才用得上,可这份本体 96 条属性全是+状态;每条签名带的例句约占一次调用的六分之一,又是判断的依据。