# Candidate 评测与晋级

> 冻结身份，运行可比回归，并得到确定性晋级建议。

---

LLMS 索引： [llms.txt](/harbor-self-evolving/zh/llms.txt)

---

Candidate evaluation 比 Historical 诊断回答的问题更窄：**在可比评测条件下，单个受控改动是否改善了固定业务任务？**

![Candidate 评测流水线](https://istarwyh.github.io/harbor-self-evolving/images/diagrams/candidate-pipeline.svg "当前 Candidate Context v3 流水线")

## 严格顺序 {#sequence}

1. 把 **Candidate snapshot** 为不可变 manifest。
2. **验证 Dataset** 身份、Task 唯一性、路径、敏感 metadata 与 source digest。
3. 对 Candidate、Dataset、Evaluation Stack 和可选 Promotion Policy 运行 **Doctor**。
4. 在昂贵 Job 前预览 **Context v3** 并发现可比 baseline。
5. 新 Stack 或 provider 路径先跑 **diagnostic**。
6. **只改变一个受控面**：Agent 或 Evaluator，不能静默同时修改。
7. 使用固定身份运行 **promotion-eligible regression**。
8. 检查 progress、Trial output、criterion evidence 与 governance impact。
9. 与可比 baseline **Compare + Gate**。

## 可比性 {#comparability}

只使用同一个仓库，不代表 baseline 可比。Candidate manifest、Dataset manifest、Evaluation Stack、Context、执行环境以及相关 model/Judge 身份必须满足契约。Dataset digest、Stack 版本、provider 身份或 runtime 边界变化都可能要求新 baseline。

## Gate {#gate}

对固定 baseline Job、Candidate Job 与 policy 输入，Gate 是确定性的。它根据 valid score 变化、最小改进、回归、coverage 等 policy 条件返回 `PROMOTE` 或 `REJECT`。

它**不会**部署、修改 Champion 或绕过外部 CI/CD 批准。

0.9.7 已在 Dashboard overview 与 Job detail 中接受 Candidate Context v3。Compare/Gate 仍由 Artifact 有效性、身份可比性、mode 与 policy 控制。

## 发布测试不能证明什么 {#limits}

0.9.7 未运行真实供应商模型、真实 Candidate/Historical Session 数据或付费 Harbor 评测；自动化测试结论不构成业务质量基线。这个基线必须由你的 Dataset、Evaluator 与生产证据建立。