# 配对评测报告

数据性质：author-written teaching fixtures; no real questions or model calls
协议：json-numeric-answer-v1

以 A 为 A，B 为 B；共同有效题数 100。
B−A：+5.0 个百分点。
配对正态近似 95% 区间：[-4.8, 14.8] 个百分点。
配对 bootstrap 百分位区间：[-5.0, 15.0] 个百分点。
bootstrap：10000 次，固定随机种子 20261017；不与正态近似混为同一算法。

## A

收到响应后的准确率：70.0%；分母 100。
全部请求成功率：70.0%；分母 100。

| 判定类别 | 条数 |
| --- | ---: |
| 正确 | 70 |
| 数值错误 | 30 |

| 分组 | 响应数 | 准确率 |
| --- | ---: | ---: |
| constructed | 100 | 70.0% |

## B

收到响应后的准确率：75.0%；分母 100。
全部请求成功率：75.0%；分母 100。

| 判定类别 | 条数 |
| --- | ---: |
| 正确 | 75 |
| 数值错误 | 25 |

| 分组 | 响应数 | 准确率 |
| --- | ---: | ---: |
| constructed | 100 | 75.0% |

## 结论与限制

当前区间包含 0，不能据此断言 B 提升；也不能证明两者等效。
完整配对；区间仍假设题目独立且代表目标分布。
一次作答/题；不处理聚类或重复生成；成本与时延未提供。零方差或极端比例下，退化区间不代表确定性。
构造数据只用于检查计算流程，不是模型能力证据。

## 复算记录

输入文件：paired-fixtures.json
输入 SHA-256：b4b7e6a1588c9ba748c7197de14ea584195b6868de2cb1a1929d2bebfb55536b