An orchard in week one is not the same orchard in week twelve — season, weather, and pest population all shift. Comparing scores across time is therefore hard, sometimes impossible.
读物理评测的排行榜时该先警惕这一条。非平稳性意味着跨时间的分数不可比，再加上前一个参赛者留下的物理痕迹（sequential contamination）和网络延迟差异，「谁更强」的结论可能主要由排期运气决定。这也解释了为什么传统 benchmark 那套排行榜语义没法原样搬进现实世界。