HanyueShen/YunXiaoHe-RISA-Avalon-Eval

云小鹤 0.3.9.8：RISA 与 Avalon 公开评测

这份成果集记录云小鹤在两类公开任务中的完整成绩：跨数据集表格建模，以及有状态、长时程的供应链决策。这里可以看到版本、能力、评测口径、结果、图和证据哈希；云小鹤的私有工作系统、RISA 与 Avalon 的实现没有公开。

一眼看懂结果

使用的云小鹤能力

• —云小鹤版本：0.3.9.8
• —主模型：DeepSeek Pro，non-fast
• —云小鹤 - 数据治理Agent
• —RISA数据能力交换和操作协议：G1、G2、T1、注册特征工程与原生五折
• —云小鹤 - 供应链分析Agent（Avalon）r4
• —完成态校验、环境回执、失败重试、分项 Token 计量与独立审计

这些能力在同一项任务里协同工作。用户面对的是一个连续的首席智能体，而不是几个互不相干的服务。

两组结果说明了什么

RISA 路线证明云小鹤能把数据检查、特征处理、候选选择、五折验证和冻结评分连成一条可审查的建模过程。30 数据集结果提供广度与质量证据；五任务同模型对照则展示资源效率：Token 下降超过六成，accuracy 仍保留 98.9%。

Avalon 路线检验的是连续行动。系统不是写一份供应链建议，而是在冻结环境中完成 576 个原生动作，每一步都由环境执行并返回新状态。若将结果加入冻结公开榜，云小鹤在完整覆盖模型条目中点估计排第 1。

[image]

五任务同模型对照是独立的历史效率消融，用来展示同一模型接入 RISA 前后的 Token—质量变化，不与 Full-30 质量主结果混作同一次实验。

[image]

文件导航

• —reports/2A云小鹤RISAAvalon公开技术报告_2026-09-06.pdf：论文式技术报告
• —reports/2B云小鹤RISAAvalon客户成果报告_2026-09-06.pdf：面向客户与决策者的成果简报
• —data/benchmarksummarypublic.json：机器可读汇总
• —data/risafull30scores.csv：30 个数据集的配对结果
• —data/risafivetasktokenablation.csv：历史五任务同模型 Token—质量对照
• —data/avalon_leaderboard.csv：冻结公开榜快照与本轮结果
• —evidence/evidence_hashes.json：关键证据哈希
• —figures/：PNG、SVG 与 PDF 三种图形格式

评测口径

RISA 的 0.816690 对应 TabArena v0.1 binary r0f0s0 公共 30 数据集子集，不代表完整 51 数据集总榜。Avalon 使用 SupplyChainBench 的冻结 16 个种子、相同环境与成本公式；“第 1”表示若加入冻结快照后，在完整覆盖模型条目中的点估计位置。环境成本是 benchmark 单位，不是美元。

上游项目：

• —TabArena：https://github.com/autogluon/tabarena
• —SupplyChainBench：https://github.com/ConstantinVictorBeatErtel/SupplyChainBench
• —冻结公开评测目录：https://github.com/ConstantinVictorBeatErtel/SupplyChainBench/tree/main/artifacts/liveydomainrandomizedgrpo_v2/evaluations

权利与复用

公开报告、派生汇总与图用于结果核验和交流。上游 benchmark、数据与模型仍遵循各自许可。本仓库不授予云小鹤私有工作系统、RISA 或 Avalon 实现的源码许可，也不包含任何 API 凭据。