五维加权百分制：任务完成度 40%（任务链是否真正跑完）、输出质量 25%（引用可核查、版式合规、逻辑自洽）、耗时 10%、单次成本 15%、可复现性 10%（同一任务跑 3 次的稳定性），满分 100 分。
半自动化：5 项任务从第一天就设计成机器可判分（单元测试通过率、引用来源核查、结构化检查等），人工只复核约 20% 机器拿不准的边界 case。硬指标：单产品单轮复测 < 50 美元、< 2 小时。
不可以。排名只按实测成绩排序；赞助位单独展示并明确标注「赞助」，永不进入排名。厂商无法通过付费影响任何分数。厂商可以付费送测，但付费只买「被测资格」，不买分数——付费送测的产品同样公开所有原始记录，得分高低照实发布。
月度复测是底线，产品大版本更新随时加测。超过 45 天未复测的成绩自动置灰，并标注实测日期与产品版本号。