LFORLA
LFORLA是一个AI Agent评测体系/组织，维护JS 3D Builder等基准测试，强调固定评分标准、服务端静态分析和模型间可比性
时间轴 (近 90 天)
LFORLA评测机制包含四条规则：固定提示词、固定评审模型、按维度拆分评分、公开逐字回答记录。
当前Team Recruitment（Oracle）排行榜上，GLM 5.2（LFORLA自家提交）得分为78.0。
Team Recruitment（Oracle）的完整结果与逐字回答可在lforla.org查看。
JS 3D Builder (Three.js) 是一个基准测试，任务是从书面建筑规格出发，使用 Three.js 程序化生成 3D 建筑代码，由服务端静态分析打分，不执行代码也不使用 LLM 裁判。
排序基准测试作者将自己的模型 GLM 5.2 提交到自己的基准上，存在利益冲突。
Function Recovery维度采用0.75二元门槛，token相似度达到或超过0.75才算通过
Nemotron 3 Ultra（via opencode）在该基准得分为43.49
LFORLA的逆向工程基准任务是从被剥离符号的二进制文件中还原出函数的C语言源码
token相似度不等于语义正确性，一份提交可能token匹配但结构上依然是错的
选模型应按契合用例的维度比较而非只看总排名，需要完整源码重建看Completeness和Function Recovery，需要token级保真度看Code Similarity
还有 5 条时间轴事件
全部知识事实 (13)
LFORLA评测机制包含四条规则：固定提示词、固定评审模型、按维度拆分评分、公开逐字回答记录。
50%待验证当前Team Recruitment（Oracle）排行榜上，GLM 5.2（LFORLA自家提交）得分为78.0。
50%待验证Team Recruitment（Oracle）的完整结果与逐字回答可在lforla.org查看。
50%待验证JS 3D Builder (Three.js) 是一个基准测试，任务是从书面建筑规格出发，使用 Three.js 程序化生成 3D 建筑代码，由服务端静态分析打分，不执行代码也不使用 LLM 裁判。
50%待验证排序基准测试作者将自己的模型 GLM 5.2 提交到自己的基准上，存在利益冲突。
50%待验证Function Recovery维度采用0.75二元门槛，token相似度达到或超过0.75才算通过
50%待验证LFORLA的逆向工程基准任务是从被剥离符号的二进制文件中还原出函数的C语言源码
50%待验证选模型应按契合用例的维度比较而非只看总排名，需要完整源码重建看Completeness和Function Recovery，需要token级保真度看Code Similarity
50%待验证token相似度不等于语义正确性，一份提交可能token匹配但结构上依然是错的
50%待验证该基准中每个模型拿到的提示词和二进制文件完全一致，模型可选择带工具或无工具模式
50%待验证该基准评分采用确定性的token相似度比对，参照答案只保存在服务器端，不向模型展示
50%待验证该基准的Code Similarity指标由60%的词袋余弦相似度加40%的最长公共子序列比率构成
50%待验证60/40的余弦与LCS混合比例是基准设计者的主观工程选择，并无理论最优解
50%