📈
选择 A0，找到唯一尖峰。
点227，数值约4.279356作者的近似标注是226
先回放，再亲手提问一条曲线，两份答卷。
一条曲线，两份答卷。
你来检查谁说对了。
网页在服务器运行。你的电脑负责显示；A100负责回答。聊天报错不代表这些已保存的任务也失败。
作者的近似标注是226
💬
先用“原题评测”。
作者英文题锁定两个模型都不看参考答案
🖥️
点击“开始同题对照”。
一张卡依次加载ChatTS → 卸载 → Qwen
🔍
回答流畅也可能说错。
看位置、类型、幅度再导出这次实验JSON
三个按钮，三种不同的动作
▶ 点击历史记录
读取之前保存的真实答卷。
立刻看 · 不占GPU↻ 开始同题对照
真的再运行两个模型一次。
已测约77～84秒 / 对包含加载；排队时间另算，其他样本可能更久💾 下载本次结果
留下输入、原答和设置。
这是你可交给导师的证据已经跑出的A0：不要只看语言是否漂亮
位置示意图；精确曲线与数值请在实验台鼠标点选查看。
英文原题 · ChatTS
single upward spike
位置226，幅度4.27
英文原题 · Qwen
shake / sudden increase
位置125
中文自由问答 · 两边
ChatTS说两个峰；Qwen说208。
都不能直接相信单个案例不能证明总体优劣；保留失败比改答案更有研究价值。组会讲法：先亮出证据，再现场跑一次
- 历史记录 → A0原题双模型，展示两份答卷。
- 在图上点索引227，让大家自己看数值。
- 展开版本证据和规则分数，说明比较怎么做。
- 回放A0中文问答，说明模型还有失败案例。
- 显存就绪时，提交一个新任务，最后下载JSON。
解释类语义评分尚未完成；这三次是实际检查点对照与演示，不是整篇论文的完整评测。
你的电脑与服务器，各干什么？
电脑浏览器
看曲线、输入问题
→看曲线、输入问题
服务器网页8873
登录、排队、保存
→登录、排队、保存
一张A100
模型依次回答
→模型依次回答
results/arena
永久留下答卷
永久留下答卷
当前入口通过SSH转发访问。将来公网443 → SakuraFrp → 自己Caddy18443 → 网页8873。共享服务器的80/443不需要占用；域名接通还在等待节点信息。
登录口令：自己在SSH终端查看
cd /vms/sdb/jiangjianqi/TSQA-Lab envs/tsqa-web/bin/python web/arena/control.py password
输入网页即可。不要把口令发进聊天。组内展示可共享口令。