01 / 我的资料
正文按纯文本处理，不执行 HTML。每篇最多6000字符；24篇合计60000字符。
02 / 找到的证据
检索器的旋钮
冻结完整实验
基线保留当时原文、问题、判断与参数。修改资料后会明确提示比较条件改变。
03 / 判断它有没有找对
当前问题对每篇资料标注。标签随文档ID保存，正文或问题改变后进入待复核状态，不参与指标，直到你重新确认。
| 资料 | 相关性 | 状态 |
|---|
评测结果 / 文档级去重
| 问题 | 判断覆盖 | Recall@k | MRR@k | nDCG@k |
|---|
未判断暂按0；若判断不完整，指标只描述已知相关集。没有正例的查询显示 —，不进入均值。MRR限定前k，非全排名MRR。
04 / 给下一个大模型的证据包
两处应用按钮均提交当前全部检索设置与预算。这不是模型token计数，也没有调用大模型生成答案。字符预算包括规则、问题、JSON标点、来源和摘录；超出时截取真实片段并同步改写区间。
当前实验的可导出图面
方法、指标、格式与一手资料
按Unicode码点分块，区间[start,end)从0开始，重叠小于窗口且至少前进20字符。检索单位是块，先对块评分，再取每篇文档最高分块形成去重文档排名。同分按文档ID、片段开始位置排序。标题只作为元数据，正文才参与检索。
词项规则：英文和数字连续词小写化；连续汉字生成单字及相邻双字。没有词干化、停用词、专业中文分词、语义向量或模型推理。BM25对去重查询词求和，IDF=ln(1+(N−df+0.5)/(df+0.5))，每项为IDF·tf(k1+1)/(tf+k1(1−b+b·长度/平均长度))。TF-IDF用(1+ln tf)·(ln((N+1)/(df+1))+1)，查询与块作余弦；N和df按块计数。
等级1—3均视为相关。Recall@k=前k找到的已知相关文档数/所有已知相关文档数。MRR@k=前k中首个相关文档排名的倒数，未找到为0。nDCG@k采用(2^grade−1)/log2(rank+1)增益，再除以所有有效标签的理想前k增益。无正例或无理想增益时未定义。每项均值只纳入该项有定义的查询。待复核标签视为未判断。
资料导入：TXT/MD每文件一篇；JSON为[{"title":"标题","text":"正文"}]或{"documents":[...] }；CSV含title/标题与text/content/内容/正文列，支持引号、逗号、换行。资料导入会分配新的稳定ID；完整「实验JSON」保存原ID、判断、版本、基线与视图。完整实验限1.5MB，最多1500块、30问题。
一手资料：Stanford IR · BM25；Stanford IR · 余弦相似度；Stanford IR · 排序检索评估；Apache Lucene · 正IDF变体。链接供阅读，无运行时依赖。