heartflow-benchmark-methodology

HeartFlow 的评测方法论。核心原则：不测 hermes chat（底层同模型）， 测心虫独有能力（engine.think() 的 cognition 结构化数据）。 三层测试结构：A组裸模型基准 + B组心虫内部 + C组认知数据注入对比。 v2.0: 新增认知数据注入对比评测（C组替代旧端到端）， 新增 judgment-engine 结论修复工作流。 v5.3.0: 新增逻辑推理评测（logic-reasoning.js）， 支持从标准基准测试集（GSM8K、BIG-bench）下载并运行自动化评测。 四维评测：推理类型检测 + 前提检查 + 谬误识别 + 框架推荐。 中英文双语言信号支持。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本