Research Lab
Leaderboards tell you who's stronger. Lab tells you why.
排行榜回答"谁更强"，Lab 负责回答"为什么"。
独立研究 / 数据驱动 / 开放验证 / 零赞助
我们不收任何 AI 公司的钱。不做"合作评测"，不做"赞助报告"，不做"评测前沟通"。赢政指数的每一分都是系统跑出来的，不是谈出来的。
研究亮点
动态语境衰变
约束在多轮对话中如何被遗忘？我们量化了从 R1 确认理解到 R3 完全妥协之间的衰减曲线，揭示模型"答应了但记不住"的真实规律。
否定窗口技术
区分"引用违规"和"执行违规"的判分创新。当模型说"我不会提供 X"时，X 出现在否定语境中不算违规，只有真正执行才扣分。
零 AI 裁判
为什么用规则代替 AI 判分更可信？WDCD 全部使用关键词匹配 + 正则规则判分，100% 可审计、可复现，消除"让 AI 评判 AI"的循环依赖。
数据透明
评测数据 API 开放
所有原始分数和回答均可通过 REST API 获取
判分规则完全公开
每道题的违规关键词和评分逻辑均可审查
嵌入式 Widget 可用
一行代码嵌入 WDCD 排行榜到任何网页
全部代码可审计
评测框架、判分引擎、数据管道的技术方法论完整公开
我们在拆什么
最新拆解 查看全部 →
REPORT
WDCD Run #316: Grok 4 Leads Multi-Turn Commitment Benchmark as Claude Sonnet 4.6 Sets Decay Resistance Record
09-09
REPORT
5大模型翻译对决：第37周质量评测，claude-sonnet-4.6 以 9 分领跑
09-07
REPORT
WDCD Run #311: Grok 4 Leads with 93.2 Points as GLM-4.6 Sets New Decay Resistance Record
09-06
REPORT
WDCD Run #306: Average Instruction Decay Hits -45.5% as Gemini 3.1 Pro Leads at 97.7 Points
09-02
REPORT
4大模型翻译对决：第36周质量评测，claude-sonnet-4.6 以 9 分领跑
08-31
REPORT
WDCD Run #296: Zero Instruction Decay Across All 11 Models, Grok 4 Leads at 96.3
08-26