Benchmark Radar 第五十六天：两个社区修复，让记录与顺序无关
Published:
Benchmark Radar 的第五十六天。贡献者 winklemad 合并两个修复：一个让纪录保持者的归属与纪录图一致，另一个保证每个基准的页面地址唯一。记分牌：236 颗星，41 个 fork。
Benchmark Radar 已上线。 每天追踪新的 AI 基准测试、数据集与排行榜：打开仪表盘 或 在 GitHub 上 Star。阅读论文：arXiv:2609.11115。查询数据：Hugging Face 数据集。
PR #662 修正并列最高分时如何认定纪录保持者。旧代码让源文件中的行序决定结果，于是在 frontier_challenge 基准上，同一天、同一个 20.6 分，摘要记在 GPT-5.6 Sol 名下，纪录图却记在 Grok 4.6 名下。现在并列时按纪录图的规则判定：先比分数，再比最早达成日期，最后比稳定编号。修复后，已发布数据中没有任何基准再自相矛盾。
PR #664 修正为每个基准分配短名的函数。短名同时是文件名和页面地址。在少见的输入组合下，它可能给两个基准分配同一个名字，悄悄覆盖其中一条记录，并让查询工具整体报错。现有数据从未触发这个问题；修复赶在目录继续扩大之前堵上了漏洞。
技术报告子模块同步到最新论文源码，贡献分数刷新。每日快照发布 411 条记录、推荐 125 条，其中包括一个按俚语年份检验繁体中文提示注入防御的基准，以及一个用 131 对高度相似问题构造的语义缓存测试。
为什么要在意
同一条纪录记在两个模型名下，读者点开第一下就不再信任。两个修复都去掉了对偶然顺序的依赖，让同一份数据始终讲同一个故事。两个修复都来自核心团队之外。
解决的问题
- #662：并列时纪录保持者与纪录图一致
- #664：基准短名保证唯一
- #672：贡献者分支规则合并
- 每日快照：抓取 1,128，发布 411，推荐 125
- 记分牌：236 / 1000 星，41 个 fork
第五十七天：每日运行在发布重复文本之前主动停下。
想跟进 Benchmark Radar？在 GitHub 上 Star 仓库 获取每日更新，或 打开实时仪表盘 浏览扫描结果。阅读论文：arXiv:2609.11115。