把不同层次的结果分开
训练表现说明模型对训练目标的适应程度，独立任务说明泛化能力，策略结果则受到数据、规则、执行、成本与市场环境共同影响。
一套盈利策略并不能单独说明模型贡献了多少。若要解释模型价值，需要固定相关条件，比较有无模型、不同版本或不同能力组件的结果。
一个好结果，需要清楚说明它回答了什么问题。
时间是金融验证中的关键条件
时间序列验证需要关注训练和评估的先后关系。对于有重叠标签或信息依赖的数据，还需要针对实际样本设计隔离方式。
教师模型也可能掌握历史时点之后的信息，因此历史案例中的正确回答不一定等同于当时可获得的预测能力。新的前向评测和严格的数据口径很重要。
避免把评分器当成最终目标
奖励机制为训练提供方向，但奖励只是质量的代理。对奖励的过度优化可能使评分上升而实际质量下降，这也是独立评估和失败案例分析的价值所在。
s.ai 的高标准评测方向，是让金融任务质量、研发贡献和机构服务表现各自有清晰的证据，不用一个总分掩盖差异。