运行记录与模型卡

results/
  runs/<id>.json       每个正式运行一份记录，默认以模型卡 ID 命名
  methods/<id>.json    每个方法一张模型卡
  arena/<entry>.json   每个竞技场条目一张披露卡

运行记录

python -m nexttransformer.export_run 从完成的运行目录及其审计生成记录。CI 用 python -m nexttransformer.export_run --check 验证全部记录。新结果需要满足：189 次验证与 6 次完整 CORE-22 评测无缺失，各任务得分能复算出 CORE 汇总值，累计审计为 matched，所有训练段均为正式模式，并且使用了锁定的分词器和协议。

字段	含义
id、methodId、cohort、name	运行 ID、注册方法（SSSL 保留 dense）、核算分组、显示名称
status、step、complete	finished 或 partial、最终步数、是否完成协议并通过验收
val、core	形如 {step, value} 的测量点，包括定期验证 BPB，以及使用 0–1 量纲的 CORE
taskEvaluations	每次 CORE 评测中 22 个任务各自的原始准确率 raw 和中心化得分 centered
finalBpb	独立测得的最终验证 BPB，与定期曲线分开报告
trainingCompute	累计训练 FLOPs、每个输入 token 的平均 GFLOPs 及核算口径
proof	协议、模型、分词器、数据和源码的指纹
source、url	记录来源及其在仓库中的证据
comparisonNote	有必要说明来源差异时，连同运行一起展示的说明
baselineAcceptance	仅出现在已验收的 dense_full 基线记录

cohort 决定检查采用的核算口径。reference-v1 使用算子级账本，native-v3 使用历史矩阵 FLOPs 估算，frozen-replay-20261019 保留两个运行原有的反向重放核算。这些运行在同一个排行榜展示。文件名默认为模型卡 ID，同一方法的第二次运行可用 --file NAME 区分。

模型卡

methods/<id>.json 记录名称、模型族、简介、论文与代码链接、机制、限制、参数量、块数和配置算力，也指定观测站所画的结构图。模型卡的 id 对应运行记录的 methodId。"status": "pending" 表示已注册且尚未发布运行结果，观测站会标明状态，不纳入排名。