The evaluation of the Reasoning Trajectory Detection task will not be con-ducted inside the TIRA sandbox.
⚠️ PAN 的招牌是 Docker 沙箱内可复现评测(1,100+ 次提交都走 TIRA),但唯独这个推理轨迹检测任务不进沙箱,参赛者只提交输出文件,可任意使用外部 API、云 GPU 和开源大模型,评测时不设任何算力与代码约束。结果的可复现性因此明显低于 PAN 其他任务。要把「鉴定推理归属」往制度化(学籍、学分、职称)方向推,第一届的证据强度就先打了折。