统一评估：如何证明真正掌握¶

English · 简体中文

本规范把“学习过”与“能够独立完成”分开。模块通过只代表学习者在声明环境和任务边界内提交了可复核证据，不代表通用专家认证、SOTA 结果或真机安全许可。

模块评分（100 分）¶

维度	分值	通过证据
概念与数学正确性	20	能解释假设、公式、单位、坐标系和适用边界
独立实现与修改	20	不是只复制输出；能够实现关键部分并预测改动影响
可执行验证	20	产物能够运行或被检查，正常与失败案例都有结果
可复现性	15	命令、环境、提交、配置、随机种子和数据身份完整
故障诊断	10	能把失败定位到阶段，并用证据排除至少一个错误假设
证据与结论边界	10	原始结果、负结果和不确定性被保留；结论不越级
安全与运行边界	5	动作、限位、停止、授权和风险与任务相称

模块通过线为 80/100，并且不能出现下列关键失败。低分项需要明确返工，不用额外加分抵消。

关键失败：出现任意一项即不通过¶

没有原始证据，只有截图式结论或手工填写的成功数字。
评审者无法按记录复现关键结果，且失败原因没有被说明。
把导入、Smoke、固定场景或离线 Loss 描述成泛化、真机或部署成功。
训练/验证/测试泄漏，或评测过程使用了禁止的特权状态。
比较方法的数据、训练、评测或执行预算不匹配，却声称算法优越。
删除负结果、改变协议后只报告有利结果，或在看到测试结果后重定义成功。
涉及真机时没有明确授权、停止路径、命令边界和现场风险评审。

证据包最小结构¶

每个通过的模块至少保留：

evidence/Mxx/
├── experiment-card.md
├── environment.txt
├── config.json
├── commands.txt
├── metrics.json
├── failures.md
└── artifacts/          # 曲线、轨迹、视频、检查点或数据报告

并非每个项目都必须使用这些文件名，但同等信息必须可追溯。使用实验卡和失败报告可减少遗漏。

评审流程¶

学习者先做自评，逐项链接原始证据。
评审者从记录中随机选择一个命令和一个失败案例复核。
评审者检查数据身份、评测协议和结论边界。
评审结果只能是 passed、revision_required 或 blocked。
passed 后在进度 JSON 中填写证据路径、评审者和日期。

评审者不应只看最好的 Episode。应检查汇总指标、分阶段错误、至少一个代表性失败和结果不确定性。

六级晋级规则¶

等级	进入下一等级前必须通过
L0	M00
L1	M01、M02，且推导与数值检查一致
L2	M03、M04 和 C0；闭环有安全停止与故障诊断
L3	M05–M08 中目标路线要求的模块；数据、基线和闭环评估成立
L4	M09、M10 中目标路线要求的模块；一类任务形成端到端责任链
L5	M11 和目标 Capstone；结论通过独立评审

时间投入不能替代门禁。没有通过时应保留状态为 in_progress 或 blocked，并写清下一项能够改变结论的实验。

专项必须增加的反事实检查¶

VLA：正确、交换、缺失语言；视觉遮挡/扰动；未见初始状态；动作或 Chunk 接口检查。
世界模型/WAM：Action Swap、No-action、不同 Horizon；使用/不使用 Lookahead；规划动作是否真的改变。
灵巧操作：几何、碰撞、接触建立、抬升、保持、滑移和恢复分开计分。
导航/运动控制：目标完成、碰撞/跌倒、扰动、恢复、重规划和停止分开计分。
Sim-to-Real：系统辨识、延迟、传感器偏移、HIL、影子模式和真机授权分级。

进度记录不是证书¶

python scripts/run_curriculum.py --report-progress learner/progress.json --lang zh

这个检查只验证记录结构、证据路径和晋级依赖。它不会判断论文是否正确、模型是否优秀，也不会授予真机运行权限。最终能力仍需由人类评审者检查原始产物。