#查看结果

把这三个页面配合起来看：

• Dashboard：看活动 run 总览和最近完成信号
• Runs：看实时执行和操作级 drill-down
• Comparison：看已完成 run 的分析

最容易记的心智模型是：

• Dashboard：这个工作区现在发生了什么？
• Runs：这条 run 此刻在做什么？
• Comparison：这些已完成的 runs 有什么差异？

#Dashboard

Dashboard 现在优先展示活动态：

• 活动 run 预览卡片
• 基于真实 completed run 数量的 comparison readiness 提示
• 基于最近 retry 元数据的 retry watch 提示
• 最近完成指标
• 发起或回看 run 的快捷操作
• 工作区上下文和运行态信号

把它当作总控室看板。需要更细的监控时，再跳进 Runs。如果 Dashboard 明确告诉你 comparison 还没准备好，就先留在 Runs 再补一条已完成 run。

#Runs Inspector 与题目细节

从活动面板或 archive 里打开一条 run，可以查看 item 级别细节。现在的富详情包括：

• sequence number 和 run state
• prompt 文本快照
• choices 与 answer payload
• asset metadata
• model response
• score、latency 和 error detail

这个细节视图主要用于调试、校验和 judging 流程复核。当前 alpha 里，run 级导出动作也在 inspector 中。

#Comparison

Comparison 只消费已完成的 runs，适合做并排分析，例如：

• accuracy 和 score 汇总
• latency 与 telemetry
• retry-state 汇总
• section-level accuracy 表格
• alias-based grouping 和已保存预设

当你至少有两条 completed run，并且心里有一个明确问题时再打开 Comparison，例如：

• 模型 A 的分数是否高于模型 B？
• 同一个 provider 在两个模型名下的行为是否不同？
• 新 run 是否只在某个 section 上退化，而总分仍然看起来没变？

#导出结果

当前 alpha 的导出表面刻意保持收敛：

• 只提供 .eval752.zip 这个可复现 bundle

浏览器内直接导出 CSV / JSON 还没有交付。如果你今天就需要原始 JSON，请先导出 .eval752.zip，再解包查看里面的 results.jsonl、run_config.json 和元数据文件。

更多细节见 导出结果。