godwei123/storyweaver-writing-zh

StoryWeaver 中文写作质量评测集 12 道按写作失效模式反推设计的中文创作题、4 个参赛者写出的 48 篇章节、432 条逐维度两两判决（含裁判完整推理原文）。 来自 StoryWeaver 的写作质量评测轨道。榜单：https://storyweaver.cn/benchmark-writing.html 核心结论 接系统比换一代底模更管用。同一底模接上多 Agent 系统后的胜率：k2.5 **75.1%**、k2.6 **60.2%**；而 k2.5(系统) 对 k2.6(裸) 是 70.3%，反过来只有 37.2%——系统加持能把旧一代底模抬过裸的新一代底模。系统档拿下 22 个维度里的 20 个榜首，包括全部 9 个负向维度。 k2.5 与 k2.6 之间 54.7%，落在噪音带内，不构成结论。 题目怎么设计的 每道题咬住 rubric 里的一个维度或负向维度，用硬约束逼出功力：… See the full description on the dataset page: https://huggingface.co/datasets/godwei123/storyweaver-writing-zh.