> ## Documentation Index
> Fetch the complete documentation index at: https://agent-compass.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 文档更新

清楚记录 Benchmark 的行为、兼容性、参数、运行命令和输出。

创建或更新以下英文页面，并同步更新本地化页面。用户应能在不阅读源码的情况下运行 Benchmark。

```text theme={"system"}
docs/en/user_guide/modules/benchmarks/<benchmark-id>.mdx
```

页面归属、本地化、导航、链接和验证要求遵循共享的[文档贡献指南](/zh/developer_guide/contributing/documentation)。

## 必要内容

文档必须包含：

* 评测目的和官方来源链接。
* 所支持且已固定的数据集和评测器版本。
* 任务数量、类别或数据划分、任务浏览器、许可证和访问权限要求。
* 前置条件、可选依赖、任务镜像和凭证。
* 官方推荐 Harness 和其他兼容 Harness。
* 支持的 Environment，以及 Recipe 为不同 provider 推断出的专属行为。
* Benchmark 专属参数、默认值、有效值和选择建议。
* Benchmark 专属指标契约：主指标、每项指标的类型，以及由 Benchmark 负责的语义。
* Benchmark 专属输出和诊断元数据。
* 一条真实冒烟测试命令和一条完整评测命令。
* 已知兼容性约束和官方对齐说明。

## 保持页面聚焦 Benchmark

* 参数归属链接到 [Benchmark 共享字段](/zh/user_guide/modules/benchmarks/overview#共享-benchmark-字段)，多次尝试的指标语义和聚合行为链接到[指标与聚合](/zh/user_guide/other_features/results/metrics_aggregation)。
* 不要把 `k` 和策略放入 Benchmark 参数表；只有示例确实需要多次尝试时，才在命令中加入对应 CLI 参数。
* Harness 安装、步骤限制、成本跟踪、命令超时和 Model 设置链接 Harness 页面。
* 不要把 Model 位置参数描述成 Benchmark 参数。
* 说明每项指标属于二元还是标量，但不要重复通用 `pass@k` 或 `avg@k` 定义。
* 默认值已经能够产生预期行为时，在命令中省略对应参数。
* 将上游对齐路径标记为 **推荐 Harness**，替代项标记为 **其他可选 Harness**。
* 每个可选 Harness 都提供完整评测命令，而不是命令片段。

命令必须可以直接复制运行，并通过环境变量引用凭证和 Model 配置。还要说明 Recipe 会推断哪些镜像、工作区、资源和网络字段，避免用户重复填写参数。

## 预览与验证

将页面加入 `docs/docs.json`，除非维护者同意分阶段本地化，否则保持语言版本路径对称；完成预览和验证：

```bash theme={"system"}
cd docs
mint dev
mint broken-links
mint validate
```