glm53-speedbench-v2

# GLM-5.3 SPEED-Bench 定长数据集（v2 零前缀版，融合 LongBench v2 语料池） 团队统一压测口径（Meta-Infer benchmark/TEAM_BENCH_METHOD.md v1.3）配套数据集，按 **GLM-5.3-NVFP4 tokenizer + 服务端聊天模板**逐条定长校准（模板后 token 数 == 标称长度，模板开销 12）。 ## 文件 - **no_cache 冷启动档**（50 条/档，条间模板后 LCP 仅 10~11 = 聊天模板头，实测冷启动命中率 0.0%）： - 标准档：len_{3075,11264,24576,49152,98304}.jsonl - 扩展档：len_{32768,65536,81920,131072,262144,524288}.jsonl - **shared90 命中档**：shared90_len_{65536,98304}.jsonl，公共前缀 ≈ 12 + 0.9×(L−12)（实测 LCP 58981/88471） - manifest_v2_zeroprefix.json：逐档指纹（sha256 前 16 位）、最小/最大成对 LCP、构造方式 - **build_len_v2.py：通用构造器**——从融合 token 池构造**任意长度（≤ 池大小 40M token，即 1M 档无压力）**的零前缀定长数据集，全成对 LCP 验证 ## 融合语料池 SPEED-Bench 真实语料（18.3M token）+ LongBench v2 contexts（121 篇长文，21.9M token）= 40.2M token 统一池（pool_v2.json，压测机 174.1.60.8 上）。条目取池中不同偏移的定长切片：偏移不同 ⇒ 前缀天然不同（radix 只匹配前缀，句中重叠不产生命中），全对 LCP 验证兜底。 ## 背景（为什么有 v2） v1（SPEED-Bench 原始构造）部分文本对共享 ~59 token 指令头，压测轮内 radix 积累使 no_cache 档实测命中率 1~5%（模拟估算 4.79% vs 实测 4.6%，吻合）。v2 消除该效应；验收标准 = 冷启动档命中率 0.0%。 ## 用法 仅适用于 GLM-5.3-NVFP4 的 tokenizer/模板；换模型必须按目标模型重新校准（口径 §1）。