七项 rubric 通过率
按领域分布（场景数 / 满通过数）
全部 82 个场景
展开场景清单
诚实边界（适用边界，不隐藏）
上方卡片与清单是样本内口径（79 PASS, 2 MARGINAL, 1 REFUTED）。更严苛的留压测试下，诚实失败会更多：
外推压力测试：82 个场景中有 73 个落在 REFUTED 区间（模型在训练域外失效）；
鲁棒性留出集：82 个场景中有 10 个被判 REFUTED。
这些"失败"不是缺陷，而是"哪里可信、哪里会失效"判定报告的一部分——SwarmLabs 卖的是可归档的适用边界，不是万能预测。