perrylink's picture
docs: correct E1 escalate numbers per 2026-10-08 verification
5db18c7 verified
|
Raw History Blame
5.35 kB

场景演示动画(24 个)

斑海豹(Phocinae-Largha-150M-v1)的典型应用场景演示,全部为合成演示数据、逐帧渲染,数字与模型卡 BENCHMARKS.md 一致。每张 GIF 首帧为结论卡,尾帧为一句总结。

代表场景

大模型调用 −54%(τ=0.5 档 82.8%),准确率反而 0.797→0.886 (kept subset)

命令审批门:rm -rf 毫秒级拦截(18.6ms)

工具路由:工具选择 12/12

三行跑起来:pip install → 启动 → 一次判定

双语决策:typed acc en 0.797 / zh 0.789

实时事件分级:30fps 帧门内逐帧判定

全部场景索引

审批安全

场景 文件 一句话
危险命令拦截 S01_rmrf_gate.gif rm -rf 被 18.6ms 内拦下,p(deny)=0.96
管道命令拦截 S02_curl_pipe_gate.gif curl | bash p(allow)=0.21 → 拒绝
批量权限变更 S03_chmod_batch.gif 8 条命令逐条三态判定:6 放行 / 1 转人工 / 1 拦截
三态门阈值 S04_tristate_gate.gif 阈值 0.30/0.65:git push 0.91 放行、sudo restart 0.44 转人工、rm -rf /etc 0.05 拦截
回放审计电池 S05_replay_battery.gif 17 条回放审计:误放行 0、误拒 2

路由与省费

场景 文件 一句话
升级门省费 S06_escalate_savings.gif τ=0.6 升级门:大模型调用 −54%(τ=0.5 档 82.8%),acc 0.797→0.886 (kept subset)
工具路由 S07_tool_routing.gif 单次前向选对工具,工具选择 12/12
中文域零外呼 S08_zh_zero_escalate.gif 中文判定本地完成,斑海豹 .83 vs Kimi K3 .72
上下文粗筛 S09_context_screen.gif 30 个上下文块本地筛掉 11 个,CPU 批 8–21 决策/s
模型路由 S10_model_routing.gif 简单决策本地 18.6ms,复杂决策升级大模型

实时与趣味

场景 文件 一句话
微批吞吐 S11_microbatch_60fps.gif 微批 4 摊销后 6.2ms/决策,跑进 60fps 帧预算
贪吃蛇 S12_snake.gif 144M 参数的「蛇脑」18.6ms/步玩贪吃蛇
事件分级 S13_event_triage.gif 监控事件逐帧定级,P(3)=0.81 红闪告警

办公与文档

场景 文件 一句话
文档分类 S14_doc_triage.gif 8 个文件本地贴标,零上云零 token
报销预判 S15_expense_preapprove.gif 无发票报销 p(approve)=0.07 直接拒,灰带才转人工
技能路由 S16_skill_routing.gif 一句话选对技能,p=0.94
质量门 S17_quality_gate.gif 周报草稿 p(需重写)=0.61 黄标打回——廉价初筛,不做终审
发票校验 S18_invoice_verify.gif 金额×税率与税额逐分核对,p(一致)=0.95

流程与工程

场景 文件 一句话
步骤校验 S19_step_verify.gif HTTP 500 vs 期望 200:p(pass)=0.04 停链,防级联错误
输出初筛 S20_output_screen.gif 输出第一道粗筛,省主模型 token(选择力弱于大模型,如实说明)
内容三级门 S21_content_gate.gif 放行/复核/拦截三级,灰带转人工,不当唯一守门员
选项洗牌不变 S22_flip_invariance.gif 选项顺序打乱后判定不变:翻转率 0.0300
双语并排 S23_bilingual.gif 同一判定中英并排,en 0.84 / zh 0.83
三行上手 S24_quickstart.gif pip install → 启动 → POST 判定,全流程演示

对照与可靠性

场景 文件 一句话
本地 vs API 竞速 G25_race_local_vs_api.gif 同一决策:本地 18.6ms vs API 往返 1.51s(81×)
token 省费 G26_token_savings.gif 100 个决策:54 本地 / 46 升级 · 大模型调用 −54%(τ=0.5 档 82.8%)
服务不可达默认不放行 G27_failclosed.gif 服务挂掉 → 默认拒绝,绝不静默放行

诚实标注

  • 所有 GIF 为合成演示(虚构场景数据),仅用于展示模型能力与用法,非真实用户数据
  • 帧内数字与 BENCHMARKS.md 及 MODEL_CARD.md 一致;局限(如 JevBench 0.5108 未过 58.4% 门)在模型卡如实披露

文件校验:见同目录 SHA256SUMS。