#成功判定

机器人做没做成，交给一个开源裁判

一个 27B 的开源模型专门判断机器人有没有完成任务：同型号机器人上 95.2% 平衡准确率，换实验室掉到 0.89 AUROC，单次要 0.26 秒。讲清判分器什么时候可信。