Benchmark Store

Frozen benchmarks, hidden tests, Pareto front, and evaluation standards.

When to Use

• 初始化或查询基准数据库
• 对比 skill 评分与冻结基线
• 检查 Pareto front（任何维度回退 >5% 即拒绝）
• 查阅质量分级标准（POWERFUL/SOLID/GENERIC/WEAK）
• 添加新的冻结测试用例到基准库
• 查看某个 skill 在所有维度上的历史最优分数
• 为 improvement-gate 的 RegressionGate 提供 Pareto 基线数据
• 在批量评估场景下列出所有已注册的 benchmark 条目

When NOT to Use