v0.3.0 —— 权威基准题库切换(GH #15)

头条

题库切换为 5 套权威基准套件：MMLU、AGIEval-zh、GSM8K、CRUXEval、IFEval（各 100 题，全规则判分）。升级后首次启动时，「套件停用即删」机制（ADR 0012）会硬删 pre-v3 旧套件与 v3 cap_* 套件及其运行与结果数据；中途态兜底（retireV3SuitesAtOpen）收敛「墓碑先于退役」的库。历史批次报告按剩余维度重算，在首个基准批次完成前渲染空板。

同期内容（自 v0.2.5 起 88 个提交）

• 榜单实时排名、判分动态行内展开、评估成本呈现（GH #40、#41、#42）
• 图像协议监控：images_generation、images_edit（GH #31、#32、#34、#38）
• 图像参数规则管理（GH #33）
• 批次级失败重试、并发答题池
• 轮询可见性感知、状态总览快照与 ETag、Caddy 边缘压缩（spec 0015）

升级注意

先备份数据库；升级后立即触发一次全量基准批次以重建榜单。