一次公开基准高分不能替代上线判断。选择业务场景，再改变事实支持率、越权率、延迟和新鲜样本通过率；发布闸门会按场景风险给出不同结论。
闸门只表示当前证据是否足以发布。上线后仍要记录模型、提示、索引和工具版本，持续做切片评估、人工抽检和事件回放。