新版本完成后，他们没有删除旧结果。

同一百零五次查询重新执行。

系统崩溃降为一次，首条相关提高到七十一，完全无可用结果降至十八。响应时间却从平均一点九秒升到三点一秒。

重跑那天，三所学校的原始表全部封在信封里，由网络中心管理员随机拆序。苏雨桐没有参与评分，只处理事先写明的争议项。结果出来后，那个寻找“小蓝皮书”的问题仍然失败；微小卫星姿态控制的国外资料却从第一页无关，升到了首条可用目录。

提出它的实验室助教在反馈栏写了一句：这回能用。没有夸算法，也没问是谁改的。马飞把那四个字剪下复印件，贴在重复聚类模块旁边。

“不能只报准确率。”苏雨桐在报告上补入延迟变化。

马飞又增加了一项：最慢查询十一点四秒。

陈维明看着那张并不漂亮的成绩单：“你们发布产品，都这么主动写缺点？”

“不写，缺点也在。”马飞说。

测试结束前，一名图书管理员提出了最关键的意见。

“结果为什么排成这样，我看不懂。”

系统内部有词频、标题命中和链接权重，但用户只看到一列地址。马飞原本认为排序解释会让界面变复杂。测试者却需要判断结果值不值得点开。

他们为每条结果加入来源、更新时间和包含查询词的正文片段。若页面来自镜像，明确显示主来源；若编码置信度低，给出警告。

最后一轮测试不再追求一个总分。

星辰建立了第一套质量基线：

崩溃率低于百分之一。

一百组固定查询中，首条相关不少于七十组。

任何来源类别不得因整体优化显着退步。

平均响应低于四秒，最慢查询必须有单独记录。

失败结果保留，不以修改测试集的方式提高成绩。

墙上的一百零五张纸最终装进两个档案盒。

盒盖标着：XQ-002，1996年秋季封闭测试。

封盒时已过夜里十二点。苏雨桐逐页数到一百零五，发现少了第八十二张。两个人翻遍桌下，最后在折叠床褥子底下找到，纸角被压出一道折痕。马飞想重印，苏雨桐说原始评分表就该留着折痕，只在清单里注明保存状态。

陈维明送来的两瓶汽水已经跑光了气。三个人拿搪瓷杯分着喝，顺便定下下一轮校园开放的故障值班表。那位老图书管理员的“小蓝皮书”仍列在十八项无结果里，旁边写着待查的馆藏入口。

马飞合上第二只档案盒，用棉线绕了两圈。盒子不厚，正好塞进铁柜最下层。