部署完整基准测试
软凝聚态物质
2026-05-26 v1 统计力学
摘要
基准测试日益指导部署、采购和科学筛选，但分数仅支持其记录的响应，不一定决定部署行动。我们提出部署完整基准测试，检验基准证据是否决定部署行动。当证据纤维上的行动恒定时，基准测试才是对主张的完整；混合纤维暴露缺失的部署信息，完成曲线量化解决歧义所需的证据。在受控响应空间中，基准测试通道的保守覆盖率为 94.98% 时，转移到未测量的部署通道（10.07%）效果差；而响应排位区间实现了 94.91% 的覆盖率；即便基准测试误差为零，也仅认证了最大残差规模下的 45.4% 候选对象。公共审计揭示了不完整性，包括 97.9% 的 Tox21 混合纤维以及 Matbench 和 JARVIS 主要审计中零中位数可认证比例。在持续回放中，认证后获取将 Tox21 中的错误决策从 1.19% 降至 0.027%，JARVIS 中从 20.3% 降至 0.128%，同时改变模型选择并识别部署相关探针。部署就绪基准测试应报告证据、支持的行动、歧义和完成成本，而非仅报告分数。
引用
@article{arxiv.2605.25996,
title = {Topology of pulsating active matter: Defect asymmetry controls emergent motility},
author = {Luca Casagrande and Alessandro Manacorda and Etienne Fodor},
journal= {arXiv preprint arXiv:2605.25996},
year = {2026}
}