评测质量门禁编排器

三态门禁

• passed：执行和证据完整，所有硬门槛满足。
• failed：存在明确的硬门槛失败，例如 P0 失败或核心通过率下降。
• review_required：证据不完整、指标无法判定、裁判低置信度或环境异常，需要人工复核。

评分方式

先在指标类型内聚合，再按类型权重汇总，避免某类指标绑定数量更多就自然放大影响。平均分不能抵消 P0 安全问题，也不能把未执行样本当作通过。

接入原则

同一数据集、模型参数、裁判版本和门禁配置才能做有效基线对比；每次门禁都保存版本、差异、阻断项和原始结果。