面向 9 类问答场景的分层评测设计：所有类别统一评估内容质量（可读性 / 引用正确性 / 信息量），功能型类别叠加工具调用与结果的功能性评估，最终产出「单答分档」与「多答分维度排序」两种结果。
9 个子类别按评估侧重点分为两组，分别走不同的评估路径：
内容型（重答案内容本身的质量）：
功能型（重工具是否被正确调用、工具结果是否满足要求）：
Query 来源：全部来自线上真实用户数据采样，包含单轮与多轮（带对话历史）两种形态，按 9 个子类别的真实分布覆盖。
候选答案构成：每条 query 对应两路答案—— a · 线上模型（线上正在服务的答案） b · WeLM 模型采样 3–5 条 即「线上 1 条 + WeLM 3–5 条」的多答候选集，直接支撑结果二的多答分维度排序横评。
各类别数据量目标：
| 类别 | 分组 | 目标条数 |
|---|---|---|
| 通用问答 | 内容型 | 200 条 |
| 配图 | 内容型 | 200 条 |
| 音乐 | 功能型 | 100 条 |
| 账号搜索 | 功能型 | 100 条 |
| 资源搜索 | 功能型 | 100 条 |
| 资源推荐 | 功能型 | 100 条 |
| 表情 | 功能型 | 100 条 |
| box | 功能型 | 100 条 |
| 商品 | 功能型 | 100 条 |
| 合计 | — | 1100 条 query（2×200 + 7×100） |
通用问答与配图作为内容型重点场景，各积累 200 条；7 个功能型类别各积累 100 条。每条 query 再展开为「线上 + WeLM 3–5 条」候选答案。
采用「共性维度 + 类别附加维度」的叠加设计——所有类别共享一套内容维度，特定类别再叠加自己的专属维度。
| 类别 | 答案可读性 | 引用正确性 | 答案信息量 | 图片质量·风格 | 功能性评估 |
|---|---|---|---|---|---|
| 通用问答 | ✓ | ✓ | ✓ | — | — |
| 配图 | ✓ | ✓ | ✓ | ✓ | — |
| 音乐 | ✓ | ✓ | ✓ | — | ✓ |
| 账号搜索 | ✓ | ✓ | ✓ | — | ✓ |
| 资源搜索 | ✓ | ✓ | ✓ | — | ✓ |
| 资源推荐 | ✓ | ✓ | ✓ | — | ✓ |
| 表情 | ✓ | ✓ | ✓ | — | ✓ |
| box | ✓ | ✓ | ✓ | — | ✓ |
| 商品 | ✓ | ✓ | ✓ | — | ✓ |
说明：共性维度（可读性 / 引用正确性 / 信息量）对全部 9 类强制执行；「图片质量·风格」仅配图类适用；「功能性评估」=「工具是否被正确调用」+「工具结果是否满足要求」，对 7 个功能型类别适用。
对「每个问题 + 它的某一个答案」直接给出绝对评分。一般类别用 0 / 1 / 2 三档；配图类扩展为 -1 / 0 / 1 / 2 四档（增设 -1 表示「该配图却未出图 / 拒答」）。
用于衡量绝对质量、统计各类别达标率与平均分。功能型类别的 0 档通常对应「工具未调用」或「工具结果不满足」；配图的 -1 档区别于 0——0 是「出了图但不可用」，-1 是「根本没出图」。
对「同一问题的多个候选答案」，在每个维度上分别给出相对排序 / 打分。
与结果一互补：结果一看「够不够好」，结果二看「谁更好」。