Identidad visual: prueba de Reanudación entre sesiones

Esta prueba mantenida evalúa rostro, edad aparente y atributos corporales en una conversación recuperada desde un punto guardado. Convierte una impresión subjetiva en un registro repetible con entradas fijas, evidencia, barreras obligatorias y condición de repetición.

Pregunta verificable

¿Puede conservar rostro, edad aparente y atributos corporales en intervalos cortos y largos al comparar tres semillas con cambios de cámara y vestuario? Para aprobar debe lograr recuperar todos los compromisos pendientes; un resultado atractivo no compensa un fallo obligatorio.

Preparación controlada

Congele ficha, modelo, plantilla, recuperación, política, referencias, semillas e idioma. Asigne case_id, cambie una sola variable y conserve éxitos y fallos.

Método repetible

  1. Escriba hechos, límites, voz y anclas visuales esperados.
  2. Ejecute la base y guarde entradas, contexto, salidas, latencia y moderación.
  3. Aplique solo la variación de este escenario.
  4. Aleatorice resultados y use dos revisores independientes.
  5. Explique desacuerdos con una frase, cuadro, atributo o transición.
  6. Repita tres veces e informe promedio y peor caso.

Registro de evidencia

Guarde model_version, prompt_version, character_version, case_id, seed, locale, timestamp, retrieved_memory, expected_state, observed_state, reviewer_id, hard_failure y remediation_owner. Una captura sin texto ni configuración solo es apoyo.

Puntuación y publicación

La medida principal es similitud de identidad y conservación de atributos. Puntúe de 0 a 4, publique pass_count / total_cases y separe fallos obligatorios. Publique solo con recuperar todos los compromisos pendientes, acuerdo de ambos revisores y el peor intento sobre el mínimo fijado.

Diagnóstico

Vigile dejar que la escena modifique la identidad central. Clasifique brecha de especificación, recuperación, prioridad, resumen, generación, imagen, política o ambigüedad. Corrija una capa y repita el mismo case_id.

Flujos oficiales usados

Preguntas frecuentes

¿Basta una salida buena?

No. Una salida no distingue capacidad repetible de azar; hay que repetir y conservar fallos.

¿Cuándo repetir?

Después de cambios de modelo, prompt, memoria, resumen, seguridad, imagen, video o personaje.


Divulgación: esta hoja es mantenida y publicada por el equipo de Ponys.ai. Los enlaces llevan a funciones oficiales; no se nombra ni puntúa a competidores.

Benchmark index · Ponys.ai resource index