# xinxuxin/keystone-bench

> Клинический бенчмарк для чат-ассистентов: проверяет, меняется ли действие модели, когда один решающий факт в диалоге убран, заменён или противоречит остальному, и остаётся ли применимой рубрика врача.

- Магнитуда: 1,4 из 10 — Ровно
- Звёзды: 325 всего · +0 звёзд за 2026-09-24 (UTC), к вечеру ≈ 18
- Доверие к звёздам: рост звёзд выглядит естественно
- Категория: Языковые модели · Язык: Python · Создан: 2026-09-07 · Последний коммит: 2026-09-15
- GitHub: https://github.com/xinxuxin/keystone-bench · Сайт: https://xinxuxin.github.io/keystone-bench/ · Страница: https://gitnova.dev/r/xinxuxin/keystone-bench

## Чем пригодится

- Проверить, сохраняет ли ассистент осторожность, когда из вопроса пропадает ключевой факт
- Оценить, не подстраивается ли модель под нерелевантный, но яркий факт в диалоге
- Сравнить поведение нескольких ассистентов на одном наборе клинических twin-диалогов

## Почему он здесь

- Сегодня уже 0 звёзд, к концу дня ожидается около 18.
- Репозиторию 17 дней, а у него уже 325 звёзд.

## Доверие к звёздам

Рост звёзд выглядит естественно.
- Форков меньше обычного: 3 на 325 звёзд.

Метки доверия к звёздам — эвристики по поведению репозитория, а не проверка каждого, кто поставил звезду.

## Цифры

- Форков: 3
- Issues и pull requests: 0
- Наблюдателей: 1
- В среднем за неделю: 18 в день
- Обычный темп: 15 в день
- Последний релиз: v0.4.0 (2026-09-07)

## Звёзды по дням за 30 дней (от старых к новым, сегодня — неполный день)

2026-09-30 … 2026-10-29: None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None

## Магнитуда по дням за 12 дней

09-13 3,2, 09-14 4,1, 09-15 3,9, 09-16 2,3, 09-17 2,5, 09-18 1,9, 09-19 1,5, 09-20 1,6, 09-21 1,5, 09-22 1,5, 09-23 1,4, 09-24 1,4

---

Магнитуда (0–10) — насколько быстро и необычно сейчас растёт интерес к репозиторию. Это не оценка качества.
Дни — по UTC. «Уже сегодня» — факт, «к вечеру ≈» — прогноз.
Описания и сценарии пишет модель (DeepSeek V4.1 Flash) по README, в деталях возможны ошибки: конкретные утверждения (замеры, скорость, железо) проверяйте в самом репозитории.
Данные на 2026-09-24 00:01 UTC, обновление каждые 30 минут.