技术 · 熟练
评测平台要关了，评测往哪搬？
跑得起来只是第一步，比得出来才算搬完
平台关停公告里最容易被跳过的一行，是「你的评测怎么办」。模型退役有替代品清单，评测平台退役没有——它退掉的不是一个按钮，是你攒在里面的一整批用例、评分标准与历史基线。这一页给一条三段式搬家路径：先导出「将来还能比吗」最不可再生的那批 → 再决定落到代码还是落到文件 → 最后用同一条基线跑一次对照，确认搬家后的分数和搬之前说得通。关键动作只有一个：在只读日之前，把「能重跑出同样结论」这件事先验一遍。
方法 · 一图看懂
1
先分清三段死线 — 只读日 / 关停日 / 数据保留期是三件事：只读日之前必须能导出，关停日之后连读都读不回来
2
导出要按「不可再生」排序 — 先搬人工标过的东西（用例集 · 评分标准 · 人工判定记录），再搬可重跑的（脚本 · 提示词 · 调用参数）
3
落点二选一：代码化 or 文件化 — 要进 CI 的落成代码（版本可 diff）；只做人工抽查的落成一份带字段的表格，两者都别留在平台里
4
用同一条基线做一次对照跑 — 搬家后拿同一批用例、同一个被判对象跑一遍，和平台里那份旧分数对一次，对不上先查口径再改分
原理 · 为什么有效
评测平台最贵的部分不是界面，而是「你曾经拿它做过什么判断」这件事本身：哪批用例是人工挑的、评分标准改过几次、某次提升到底是真的还是口径变了。这些一旦被平台带走，你在别处重建是要重新付一遍人工的。把评测当资产而不是当功能，动作就完全不同——功能等你需要时再配；资产要在关停前先盘点、先导出、先验证可复原。而最容易踩的一步恰恰是「导出了就说搬完了」：导出的是文本，能重跑出同样结论的才叫资产。判据一句话：搬家做没做完，不看导出条数，看能不能重跑出同一个结论。
适用场景
适用：① 你在某个平台上攒过评测用例 / 评分标准，而该平台已公告退役或转只读 ② 你把「跑评测」当发布前的一道关，需要它在关停后仍能跑 ③ 你有跨平台做对照的需求，想把评测口径从平台里拿出来自己拿着。⛔ 不适用：① 只做过一两次临时提问、没有沉淀过的评测（可不搬，直接重起）② 评测由平台托管且不允许导出（那是条款问题，先走合规渠道，⛔ 不是本页能解的）③ 还没做过任何评测（先建第一批用例，再谈搬家）。
自测 · 5 问
我知道这条平台链上的三个日期：只读日 / 关停日 / 数据保留期，且知道哪个在前
我先搬的是「不可再生」的那批（人工标过的用例与评分标准），不是先搬脚本
每一个评测都指明了落点：要么进代码仓库，要么落成一份有字段的表，没有留在平台里
搬家后我拿同一批用例跑过一次对照，能解释分差来自哪里（口径变了 / 被判对象变了 / 真退步）
我在关停日之前做过一次全量导出演练，确认导出的文件能被另一个工具读进来
怎么上手 · 验证步骤
① 打开平台，把评测相关的东西列成一张清单：用例集 · 评分标准 · 提示词与参数 · 历史运行记录 · 人工判定记录。② 给每一条打两个标：「可重跑」还是「不可再生」，「在不在用」。③ 先导出不可再生的那批，导完立刻用另一个工具读一遍，确认没有格式损失。④ 把「在用的」逐条决定落点（代码或文件），落完之后在本地跑一次同用例对照。⑤ 把这次搬家的三个日期与对照结论写成一行备注，挂在你的评测目录里——下一个接手的人不用再猜。
自检动作：假设明天早上平台就打不开了，你能不能在本地把上周那次评测重跑一遍并得到同一个结论？如果你要先翻聊天记录找提示词、或者要去平台里截图才能说明评分标准，那这次搬家还没做完。