四个可直接操作的实验模块。页面交互在浏览器本地运行；仓库数字只按原报告引用，不伪装成在线模型或本次复跑结果。
Compute Intelligence
库存名称和数值都是站内 fixture，不连接真实供应、价格或订单。
在线推理：成本 45 · 稳定性 20 · 显存余量 20 · 可用量 15
成本 45/45 · 稳定性 13/20 · 显存 10/20 · 供给 15/15
成本 23/45 · 稳定性 20/20 · 显存 20/20 · 供给 15/15
成本 23/45 · 稳定性 20/20 · 显存 20/20 · 供给 15/15
BudgetAgent
选择一条聚合轨迹。这里只回放仓库记录，不重新执行 Agent。
Forced Gold Repair 是人为构造的正向控制，不等于自主 verifier，也不是部署效果。
冻结相同任务前缀
重放 Sham 分支
官方 AppWorld evaluator 评分
重放链路一致；它验证实验管线，不证明 verifier 能改善结果。
Enterprise RAG
输入关键词，浏览器会运行一个小型 BM25-like 排序，并把命中的原文标出来。
bge-reranker-v2-m3 对融合候选重排，系统预期输出 top-5 证据集与带来源引用的回答。
repository architecture当前模块只在浏览器里做 BM25-like 关键词检索和引用高亮，不连接 Milvus、bge embedding、reranker 或 LLM。
PROTOTYPE fixtureVLM Data Selection
这些卡片专门为交互构造，不来自 ScienceQA，也不是训练或评测结果。
chart · quality 5
已选ocr · quality 4
已选spatial · quality 4
已选counting · quality 3
chart · quality 2 · noisy
grounding · quality 1 · noisy
reasoning · quality 5
已选knowledge · quality 3
质量 5×2 + 新技能 3 − 噪声 0
质量 5×2 + 新技能 3 − 噪声 0
质量 4×2 + 新技能 3 − 噪声 0
质量 4×2 + 新技能 3 − 噪声 0
128 samples / 16 steps / A10
USER-REPORTED RECEIPTrandom1000 + held-out512 / PID overlap 0
REPOSITORY REPORTEDremote launch
PENDING