处理错误列表
以下列表提供与语义MediaWiki相关的处理错误的概览。建议定期监控此列表并修正无效的值注解。
| 有不当值的属性“有不当值的属性 <span style="font-size:small;">(Has improper value for)</span>”是由<a rel="nofollow" class="external text" href="https://www.semantic-mediawiki.org/wiki/Help:Special_properties">语义MediaWiki</a>提供，用来追踪不规则值注解的输入错误的预定义属性。 | 处理错误消息“处理错误消息 <span style="font-size:small;">(Processing error message)</span>”是<a rel="nofollow" class="external text" href="https://www.semantic-mediawiki.org/wiki/Help:Special_properties">语义MediaWiki</a>提供的容纳错误的文字描述的预定义属性。 | |
|---|---|---|
| Agent Arena | 特征 | 输入值为“用户投票式对战（Chatbot Arena 思路移植到 agent）、按「模型+框架+工具」三元组拆评并附三张子榜、Elo 评分 + Bradley-Terry 逻辑回归归因子组件、1,000+ 真实用户任务 prompt hub、2024 年后活跃度走低，榜单停留 2024-12”的属性“特征”（作为页面类型）含有无效字符或不完整，因此会在查询或注解过程中导致预期外结果。 |
| BenchLM | 特征 | 输入值为“聚合榜：自身无考题，索引约 400 个外部基准、私有 BenchAlign 方法论：27 个计权基准、8 大类加权合成、Supported / Estimated 证据强度标签、附价格、速度与上下文窗口数据、方法论私有，外部无法复算验证”的属性“特征”（作为页面类型）含有无效字符或不完整，因此会在查询或注解过程中导致预期外结果。 |
| Design Arena | 特征 | 输入值为“四人锦标赛制：同题出稿、5 场两两匿名对战排 1-4 名、按品类独立出榜（网站/UI/游戏/数据可视化/图像/视频）、Bradley-Terry 迭代收敛，Rating = 400 × log₁₀(strength)、不足 50 场对比不上主榜，低样本标 preliminary、Builders（IDE 建站工具）/ Agents 赛道 + 公开 API”的属性“特征”（作为页面类型）含有无效字符或不完整，因此会在查询或注解过程中导致预期外结果。 |
| GDPval | 特征 | 输入值为“44 种职业 × 9 大 GDP 行业，1320 个真实工作任务、资深专家编写（平均从业 14 年），交付真实工作产物（文档/PPT/图纸/表格）、同行专家盲评 win/tie 率；AA 版为 Elo 复跑、一次性单轮任务，不含与客户来回沟通迭代、gold 220 题开源子集 + 公开评分服务”的属性“特征”（作为页面类型）含有无效字符或不完整，因此会在查询或注解过程中导致预期外结果。 |
| OpenHands Index | 特征 | 输入值为“元基准：五类工程任务一次大考（修 issue / 从零建项目 / 前端 / 写复现测试 / 查资料）、统一 OpenHands Agent SDK 跑分，模型是唯一变量、三维度并报：五类加权综合分 + 每实例成本 + 耗时、任务类型按 OpenHands 云端真实流量高频场景选样、榜单滚动更新，附每模型评测日志”的属性“特征”（作为页面类型）含有无效字符或不完整，因此会在查询或注解过程中导致预期外结果。 |
| Scale SEAL | 特征 | 输入值为“真实付费远程自由职业项目（240 个 Upwork 项目，超 6,000 小时）、人类专家盲评「客户会不会验收付款」、端到端交付：3D/CAD、建筑设计、软件开发、视频动画等、伞形品牌：各子榜（RLI/SWE-bench Pro/MCP Atlas）口径难度各异、部分子榜数据私有，外部无法独立复核”的属性“特征”（作为页面类型）含有无效字符或不完整，因此会在查询或注解过程中导致预期外结果。 |
| Vending-Bench | 特征 | 输入值为“$500 本金模拟经营售货机一整年（365 天）、按期末账户余额计分（美元，5 次运行取平均）、长程一致性：单次模拟 3000-6000 条消息、约 6,000 万-1 亿输出 token、对抗性供应商、延迟交付、退款要求等现实干扰、Andon Labs 统一代跑（邮件申请），不接受自行提交”的属性“特征”（作为页面类型）含有无效字符或不完整，因此会在查询或注解过程中导致预期外结果。 |
| WebDev Arena | 特征 | 输入值为“一句话需求生成完整可交互网页应用、E2B 沙箱实际运行，用户上手体验后盲投、统一 React + TypeScript + Tailwind 技术栈、Bradley-Terry 拟合 Elo（同母站方法论）、只测一发入魂的前端小应用，不测大型工程”的属性“特征”（作为页面类型）含有无效字符或不完整，因此会在查询或注解过程中导致预期外结果。 |