韩国造了一个750B参数的大模型，它到底想证明什么

2026年，如果你去看开源大模型的排行榜，会发现一个有点尴尬的事实：几乎所有能打的模型都来自中国和美国的实验室。DeepSeek、Qwen、GLM，还有OpenAI、Anthropic这些名字轮番刷屏。

那韩国在哪里？

这个问题不是韩国人自己没想过。事实上，韩国政府专门启动了一个战略项目，拨出GPU等计算资源，就是为了回答这个问题。LG AI Research借着这个项目做出了第一代产品，叫K-EXAONE，一个2360亿参数的混合专家模型。这次要讲的，是它的续作：**K-EXAONE 2.0**。

这篇技术报告读下来，你会发现它讲的不只是一个模型怎么变强了，更有意思的是,它讲的是一个国家级团队如何在"追赶frontier"这件事上,一步步把每个环节做扎实的过程。

从236B到750B，这不是简单地把模型调大

先说最直观的变化,参数规模。

K-EXAONE 2.0的总参数量达到了750B（也就是7500亿），是上一代236B的3.2倍。但真正每次推理会用到的参数,叫"激活参数",只有37B,比上一代的23B多了不到两倍。

**混合专家模型（MoE）**：一种神经网络架构,把一个大模型拆成很多个"专家"子网络,每次处理一个词的时候,只调用其中一小部分专家,而不是全部参与计算。这样可以做到"总容量很大,但实际计算成本可控"。

这个设计思路你可以类比成一家超大型医院。医院里有256个不同科室的专家（对应256个experts），但你去看病,不需要所有专家都给你会诊,系统会根据你的症状,精准派出8个相关科室的医生（top-8路由）,再加上一个全科医生（shared expert）兜底。如果不这样设计,而是让全院医生都参与每一次问诊,医院的接诊效率会直接崩掉,这正是稠密模型（dense model）在参数规模上不去的根本原因。

更关键的是,K-EXAONE 2.0不是从零开始训练的。

团队选择了一条叫"**upcycling（模型升级重塑）**"的路,直接翻译大概是"废物利用"或者"升级重塑"：拿旧模型K-EXAONE的权重当起点,把它的架构在深度和宽度两个方向上"撑大",然后继续训练。

为什么不直接从零训练一个750B的模型？报告里说得很直白：从零训练会"扔掉不仅是K-EXAONE已经学到的参数,还有开发过程中积累的计算资源、数据、训练经验"。这就好比你家已经装修好了一套房子,现在想要更大的居住空间,选择是把房子推倒重建,还是在现有基础上加盖楼层？加盖显然更省钱省时间,前提是地基够稳。

怎么把一栋房子"撑大"而不塌

模型的"撑大"分两个方向：深度和宽度。这两个操作听起来简单,实际做起来全是坑。

**深度扩展（depth up-scaling）**这边,K-EXAONE原本的结构里有一种叫"LLLG block"的重复单元：三层局部滑动窗口注意力（L）,加一层全局注意力（G）。K-EXAONE 2.0没有逐层地插入新层,而是整块整块地复制这种LLLG单元,把原来12个block扩展到19个,而且是从堆栈中间选块来复制,而不是靠近输入或输出的位置。

团队做过实验,发现中间复制的效果最好。这个细节其实挺耐人寻味——如果你在网络最开始或最末端加内容,相当于在流水线的头尾加了工位,信息还没充分处理就被打断,或者已经处理完了才加进去,效果都打折。中间加,才是真正让新增的容量参与到核心的信息转换中。

**宽度扩展（width up-scaling）**这边更有意思。每个专家（expert）被复制一份,形成两个完全一样的副本。但如果就这样直接用,会出一个致命问题：这两个专家会收到完全相同的梯度,永远不会分化,加的这份容量就白瞭了。

团队的解决方案是加入"随机旋转噪声"（random rotation noise）,给复制出来的专家加一点扰动,让它们从一开始就走上不同的道路,同时这个扰动是"范数保持"的,不会破坏原有的数值稳定性。

这个场景像什么？想象你复制了一个员工的所有工作习惯、性格、技能给一个"分身",希望分身能分担一部分工作。但如果这个分身跟原版完全一模一样,遇到任何情况都做出相同判断,那你实际上还是只有一个员工在干活,只是多花了一份工资。你必须故意让这个分身"有点不一样",哪怕只是随机地调整一下他做事的顺序,这样两个人才会真正在不同的场景里各自积累经验,最终变成互补的两个专家。

训练到一半,模型开始"发烫"了

扩容之后,训练过程中出现了一个技术问题：深层里少数专家的激活值开始离谱地飙高，远远超出同层其他专家的水平。

这背后的机制是**SwiGLU**这种激活函数的特性。

**SwiGLU**：一种在Transformer里常用的激活函数,把输入拆成两路（gate和up）,一路做非线性变换,另一路做线性变换,然后相乘。当gate和up两个投影方向"对齐"的时候,输出值会指数级放大,即使权重本身的范数（norm）被weight decay压得很小,输出照样能炸。

报告里给了个具体数字：如果不加约束,峰值SwiGLU激活值会随着层数加深单调上升,到最后一层能飙到6862。这个数字在低精度训练（比如FP8）和低精度推理里是灾难级的,因为数值一旦超出表示范围,精度会严重损失,甚至直接导致训练崩溃。

解决方法是给SwiGLU的两个分支各加一个"夹子"（clamp）,把数值限制在阈值7.0以内,只对最后16层MoE层生效。这样处理之后,峰值被死死钉在silu(7.0)×7.0=48.96,比不加约束时低了140倍。

这就像给一个总喜欢把音量拧到最大的老式音响加了限幅器。你不需要禁止它调音量,只需要设一个上限,声音超过某个响度就自动被压下来。如果不这样做,某天音响会因为过载直接烧掉喇叭,而这个"喇叭烧掉"对应的就是训练崩溃或者推理精度骤降。有意思的是,这个方案不是K-EXAONE团队独创的,报告里提到gpt-oss和DeepSeek-V4都用了同样的构造,说明这是这个规模的MoE模型几乎绕不开的一个坑。

推理加速：两条路都要走

模型大了,推理速度自然是个大问题。K-EXAONE 2.0用了两套"投机解码"（speculative decoding）方案。

**投机解码**：让一个小的"草稿模型"先快速生成一批候选词,再由大模型一次性验证这批候选词对不对,对的就直接接受,省去逐词生成的等待时间。整体思路类似"先让助理写初稿,你只需要审核修改",比自己从头写快得多。

第一条路是**MTP（Multi-Token Prediction，多token预测）**模块,这个模块跟着主干网络一起训练,本质上是训练模型不仅预测下一个词,还同时预测未来若干个词。这个模块从预训练阶段就存在,还在强化学习阶段前用了一种叫"total-variation loss"的方法做了专门优化,目的是直接针对"多步接受率"这个指标去优化,而不是绕道用交叉熵当替代目标。

第二条路是**DSpark**,这是模型权重定下来之后才单独训练的一个"起草模块"。它的核心构造是一个"block-diffusion"骨架,一次前向传播直接预测出整个草稿块,然后再用一个轻量的顺序模块从左到右做微调,把块内的依赖关系补回来。

数据很直接：同样的草稿长度设置（γ=7）,DSpark在每一项指标上都超过MTP,接受长度提升32%到66%,端到端加速比从原来的1.27到1.77倍,提升到1.81到2.57倍。

这两条路径同时存在,某种意义上像给一辆车配了两套刹车系统。MTP是原厂自带的,训练成本低,够用；DSpark是后装的高性能版本,专门为生产环境的极限性能而生。如果只留一条路,遇到极端场景（比如生产环境对延迟要求特别苛刻）就没有备选方案,两条路并存才是稳妥的工程选择。

上下文长度冲到256K,靠的是分阶段"喂"数据

大模型现在流行卷"长上下文"，谁能处理更长的文本谁就更能干复杂任务。K-EXAONE 2.0支持256K token的上下文，这个数字背后是一套叫"mid-training（中期训练）"的两阶段策略。

**Mid-training**：介于预训练（pre-training）和后训练（post-training）之间的一个训练阶段,专门用来做上下文长度的扩展和特定能力的强化,比如推理能力、长文本理解、agent操作等。

第一阶段（Mid-Stage 1）用400B token把上下文窗口从8K拉到64K，第二阶段（Mid-Stage 2）再用400B token继续拉到超过64K，最终到256K。

为什么要分两步走，而不是一步冲到256K？报告里提到一个细节：第二阶段专门加大了长文本推理、代码仓库级别数据、agent工作流的比例。这背后的逻辑其实很朴素，直接给模型灌256K长度的数据训练，模型很可能学不会怎么真正利用这么长的上下文，而是学会了"忽略远处的内容"。一步步拉长，配合逐渐增加的高质量长上下文样本，才能让模型真正学会在长文本里定位信息、跨段落整合证据。

验证的方法叫**Needle-in-a-Haystack（大海捞针测试，简称NIAH）**：往一段很长的文本里插入一句无关的"针"（一句关键信息），测试模型能不能在读完全文后精准找出这句话。

K-EXAONE 2.0在256K范围内的所有测试位置上，检索准确率都是满分。这个结果拿到实际场景里意味着什么？意味着你把一份几百页的合同、一整个代码仓库塞给它，它不会因为信息藏在文档中间就"看不见"，这对法律文档审核、代码库理解这类真实任务至关重要。

知识怎么"喂"进模型：主动阅读法登场

预训练阶段有个挺有意思的实验，关于怎么让模型更好地吸收知识。

传统做法是把维基百科文档改写成"教科书风格"（textbook-style）的文本，让模型去学。K-EXAONE 2.0团队还试了另一种方法，叫**Active Reading（主动阅读，简称AR）**。

**Active Reading**：一种数据构造方法，不是简单地把原始文档改写成陈述性文字，而是模拟"一个人主动阅读并思考"的过程,生成的合成数据带有更多主动提取、总结、关联的痕迹。

团队做了个对照实验：从同一个K-EXAONE后期checkpoint出发，分别用30B token的原始混合数据（baseline）、40B token的AR增强数据、40B token的教科书风格数据训练三个独立模型，然后对比在ARC-C、MMLU、GSM8K、HellaSwag这几个基准上的表现。

结果很微妙：AR方法在ARC-C（一个考察推理和常识的题库）上取得最大提升，平均分涨了0.75，而教科书风格在MMLU和GSM8K（数学题）上表现更好，平均只涨了0.41。

这说明什么？不同的知识"喂养方式"，适合不同类型的学习目标。团队最终选择的策略是"选择性使用"，在知识密集型领域用AR，其他地方保留原有方法。这就像给孩子的教育选教材，死记硬背的教科书适合应试型知识（比如公式和固定答案），而带引导性思考的阅读材料更适合培养推理和联想能力。你不能指望一种教学法解决所有问题，混着用才是现实中的最优解。

韩语数据的取舍：制度来源还是开源来源

K-EXAONE 2.0特别在意一件事：韩语能力和对韩国历史文化的理解。

团队从韩国数据产业振兴院（K-DATA）、国家信息社会振兴院（NIA）、国立国语院、东北亚历史财团这些官方机构收集高质量韩语数据，同时也评估了开源的、教育价值高的韩语数据。

对比结果挺有代表性：机构来源的数据在"文化与历史"类基准上表现更好（68.23分对67.19分），而开源数据在"知识与推理"类基准上略胜一筹（47.21分对46.47分）。

报告给出的解释是，通用知识可以跨语言迁移，但国家特有的历史文化知识，必须依赖高质量的本地数据源才能真正学到位。

这个发现其实挺重要，某种程度上解释了为什么"通用大模型"再强，也很难在某个具体国家的历史文化细节上做到本土模型的精度。你可以让一个从没在韩国生活过的人，通过读大量英文百科了解韩国历史的大致框架，但如果想让他理解某个历史事件在韩国社会语境里的微妙分量，就得靠当地人的第一手资料和视角。知识的"通用层"和"本土层"，需要不同的数据供给策略。

语言覆盖从6种扩展到10种

K-EXAONE支持韩语、英语、西班牙语、德语、日语、越南语六种语言，K-EXAONE 2.0新增了法语、意大利语、波兰语、葡萄牙语，总共十种。

数据来源主要是**FineWeb2**，一个大规模多语言网页文本数据集，团队通过内部过滤流水线为每种语言构建了高质量的有机语料，还专门设计了翻译数据和合成问答数据，来促进跨语言的知识迁移。

从结果上看，各语言之间的提升相对均衡，没有出现某个语言吃到全部红利、其他语言原地踏步的情况。比如在POLYMATH这个多语言数学推理基准上，K-EXAONE 2.0在意大利语上从55.2分涨到72.6分，在法语上从58.7分涨到74.0分，涨幅都在17分左右，很平均。

不过在WMT24++翻译测试里出现了一个有意思的现象：K-EXAONE 2.0在"英语翻译到其他语言"方向上的语言间差异（用±2.8表示）比K-EXAONE的±4.7更小，说明各语言的翻译能力更趋于均衡，波动更小了，虽然平均分本身略有下降。这提示我们，模型变强不一定体现在"某几门语言飙得特别高"，有时候体现在"整体更稳"上，这种均衡性对一个真正想服务多国用户的产品来说，可能比某个单项的极限分数更有价值。

Agent能力：从工具调用到软件工程

这次报告花了相当大的篇幅讲agent（智能体）能力的构建，这也是K-EXAONE 2.0相比上一代提升最猛的领域。

**Agent（智能体）**：这里指的是能够自主使用工具、执行多步骤任务的AI系统，比如自动写代码、自动搜索信息、自动操作终端完成软件工程任务。

具体的训练数据构造分了几条线。

通用工具调用场景这条线，团队借助NVIDIA的Nemotron-Personas大规模人物画像数据集，为每个虚拟"用户画像"合成他可能会用到的MCP服务器（一种工具接口标准），再模拟这个用户和这些服务器交互的场景，让教师模型（更强的现有模型）生成完整的交互轨迹，用来训练K-EXAONE 2.0。

韩国本地API这条线，团队联合LG CNS，把交通、教育、金融、法律、公共行政这些韩国本地的公共API接入训练数据，让模型真正学会怎么用韩国特有的服务接口，而不是只会调用国际通用的工具。

Agentic Search（智能体搜索）这条线区分了两类查询：深度型查询,把明确的答案替换成间接线索,让模型学会通过属性、关系、时间约束反推答案，这种设计对标BrowseComp这个基准；广度型查询,要求模型找出满足条件的完整实体集合,还得去重、验证每个候选、判断搜索是否穷尽。

软件工程（SWE）这条线,团队从GitHub真实的pull request里提取issue描述、代码补丁、测试用例,构建可执行、可验证的编程任务,并用大模型搭建Docker环境反复验证任务的有效性。

终端环境（Terminal）这条线更狠一点,直接让agent在真实的多文件工作空间里跑任务,用观察到的成功率来筛选任务难度,太难或太简单的都会被过滤掉,同时把失败案例反馈回去改进任务库。

这一整套设计的核心逻辑是,训练数据不能只是"看起来像"真实任务,必须是可执行、可验证的。想象一下,如果你想训练一个厨师,只给他看菜谱和成品照片,他永远学不会真正的手艺；只有让他实际下厨,并且有人尝一口告诉他这道菜到底成不成，他才能真正积累有效经验。SWE-bench Verified这个基准上K-EXAONE 2.0从上一代的49.4分涨到68.2分,涨了18.8分,这个提升幅度背后正是"可验证任务"这套构造逻辑在起作用。

后训练：GROUPER和"保留思考"机制

后训练阶段分两步：先做**SFT（Supervised Fine-Tuning，监督微调）**，再做偏好学习（Preference Learning）。

SFT阶段用了350B token的数据，覆盖推理、世界知识、指令遵循、agent系统这几大目标领域。这个阶段有一个技术细节值得单独说，训练时冻住了路由器（router）参数,不让它变化。

**路由器（Router）**：在MoE架构里,决定每个token应该分配给哪些专家处理的那部分参数。

冻住路由器的意义在于,保留预训练阶段已经建立起来的专家分工模式。如果SFT阶段还继续调整路由决策,原本训练好的"专家分工体系"可能被打乱,相当于一个刚刚培训出各科专精医生的医院,突然又重新洗牌了谁看什么病,之前积累的经验就白费了。

另一个值得展开的细节是**Preserved Thinking（保留思考）**机制。在多轮agent对话里,模型每一轮都会先做一段"推理"（reasoning）,再调用工具,最后给出答案。通常一轮对话结束后,这段推理过程会被丢弃,下一轮对话开始时模型得重新推导之前的结论。

保留思考机制选择把这些推理块完整地保留在上下文里,跨越轮次边界。报告里配了一张图说明这个机制的差异,没有保留思考的场景里,第二轮对话的输入是空白地带（之前的推理被虚化），有保留思考的场景里,这些推理块依然清晰可见。

这就像开会时,如果每次休息回来都要重新解释一遍之前讨论到哪了,效率会大打折扣,而且很容易出现前后矛盾的结论。把会议记录完整保留下来,后续讨论才能真正建立在之前的思考基础上,尤其是复杂的、需要多轮推理才能解决的长期任务。

偏好学习阶段用了一个叫**GROUPER（Group-wise SimPER）**的目标函数，具体细节报告没有展开太多，但提到它同时用于多任务偏好优化和安全相关的偏好优化两个阶段。安全这块特别提到，为了避免模型学会"钻空子"（利用回答长度这种表面特征来讨好评分机制），团队在挑选正负样本对时会控制两者的长度相近。

安全：不只靠技术专家,还请了46位老师

这部分是整篇报告里我觉得最特别的内容。

大部分公司做AI安全,思路基本是：找一批安全研究员,列一张风险清单,然后用红队测试（red teaming）去攻击模型,看它会不会说出不该说的话。

**红队测试（Red Teaming）**：主动尝试用各种手段诱导AI说出有害内容或做出不当行为,以此发现和修复安全漏洞的测试方法。

K-EXAONE团队走了一步不太一样的路。他们和联合国教科文组织亚太国际理解教育中心（**UNESCO APCEIU**，一个专注于全球公民教育的联合国机构）合作,组建了一个由46位教师构成的"安全教师顾问委员会"。这些教师都接受过UNESCO的全球公民教育（GCED）培训,并且正在自己的课堂上教这门课。

为什么找老师,而不是继续加派安全工程师？报告里有段话说得挺透彻：红队测试主要是在验证"已知风险能不能被诱导出来",但对于"没人想过、没人定义过的风险",这种方法几乎无能为力。团队的判断是，剩下的安全盲区，与其说是技术不够精细，不如说是发现风险的视角本身太单一。

这些老师的特殊之处在于,他们的职业本身就是"教学生怎么判断是非",而不只是"告诉学生什么是对的"。招募过程收到了几千名认证教师的报名，最终从四百多名合格候选人里，按性别、年龄、学校层级、教龄、学科、地区六个维度平衡选出了46人，其中76%有超过十年的教学经验。

具体的工作流程是四周一轮的闭环：老师们直接对模型做红队测试,提出对现有判断标准的修订意见和新的风险类别；研究团队整理这些建议,再返回给老师们做二次人工审核；采纳的修改会被纳入**K-AUT（Korea-Augmented Universal Taxonomy，韩国增强型通用安全分类体系）**,并应用到模型训练和评估中。

这套流程带来的成果是K-AUT从226个风险条目扩展到296个,新增了70个此前完全没有覆盖的风险类型,横跨"通用人类价值"、"社会安全"、"韩国敏感性"、"未来风险"四大领域。报告里给了一个具体的修订案例：关于多元文化背景下的"逆向歧视叙事"（比如把移民支持政策污名化为"逆向歧视"），一位教师的建议是,判断标准过度依赖韩国国内法律,应该纳入国际人权标准的框架,明确区分"批评的自由"和"煽动歧视与仇恨"的边界。这个建议被采纳,新增了专门的判断条款。

这里有个很朴素的道理：一群价值观训练有素、又深谙本地社会脉络的普通人,能看到纯技术团队看不到的盲区。就像你请一个律师来审查合同条款漏洞,他能挑出法律层面的所有风险点,但如果一份合同要用在完全不同文化语境的社区里,可能还需要一个真正在这个社区生活过的人,才能看出条款背后隐藏的文化冲突。技术能力和场景理解力,是两种不同的专长,而安全恰恰需要两者都在场。

处理意见分歧的方式也挺讲究：当老师们对同一个案例的判断出现分歧时,团队不是简单地取平均或者少数服从多数,而是把分歧本身当作信号,分歧越大,越说明这个问题本身有争议,越值得深入研究每个人的具体理由,最终由团队做出决定并承担责任。

最终的效果体现在**KGC-SAFETY**（一个内部的韩国全球公民安全基准）上：K-EXAONE 2.0在这个测试上的四个维度（通用人类价值、社会安全、韩国敏感性、未来风险）都做到接近满分,总分99.8,而对照的GLM-5.1只有69.3分,Qwen3.5是92.0分。这个差距,某种程度上正是"多了46位老师参与"这件事带来的可见成果。

拿到的成绩单：数字说话

说了这么多设计理念,最终还得看实测结果。

| 评测维度 | 代表基准 | K-EXAONE 2.0 | K-EXAONE（上一代） |

|---|---|---|---|

| 长上下文检索 | OpenAI-MRCR | **94.4** | 52.3 |

| 软件工程 | SWE-bench Verified | **68.2** | 49.4 |

| 终端能力 | Terminal-Bench 2.1 | **43.8** | 30.3 |

| 多语言数学 | PolyMath | **71.3** | 57.4 |

| 安全（内部） | KGC-SAFETY | **99.8** | 96.1 |

| 安全（外部对抗） | ROK-Fortress | **89.5** | 60.9 |

| 指令遵循 | IFBench | **72.6** | 67.3 |

最大的进步集中在agent相关任务和长上下文理解上，这两项恰好也是这次团队重点投入的方向，说明"想提升什么就真的提升了什么"，训练资源的分配是有效的。而在纯数学推理（AIME 2026）和世界知识（MMLU-Pro）这类基准上，两代模型分数接近甚至略有下降，报告没有回避这一点，坦白说这是"没有明显退步，但也没有额外惊喜"的领域。

和同代际其他开源模型比，K-EXAONE 2.0在长上下文检索和安全两块的优势最明显。在AA-LCR（另一个长上下文推理基准）上，Qwen3.5拿到65.7分，K-EXAONE 2.0是56.2分，稍显落后；但在OpenAI-MRCR这个更偏检索的长上下文任务上，K-EXAONE 2.0以94.4分反超Qwen3.5的93.0分。这说明"长上下文能力"本身不是单一维度，检索型任务（找到信息）和推理型任务（整合信息做判断）需要分开看，K-EXAONE 2.0在前者更强。

写在后面

读完这份报告，最触动我的其实不是参数规模或者跑分，而是那个安全教师委员会的细节。

一个国家想做出真正"属于自己"的AI模型，光靠算力和参数堆砌是不够的。技术团队再强，也很难独立判断"这句话在韩国的历史语境里到底有多敏感"，这种判断力来自长期浸泡在这个社会里的人，而不是训练数据本身能凭空生成的。

报告里那句"K-AUT从设计之初就不打算成为一个只在韩国有意义的'加拉帕戈斯标准'"，我觉得挺关键。加拉帕戈斯群岛因为地理隔绝演化出了独特物种，但这些物种一旦离开那个孤立环境就很难存活。技术团队显然意识到，如果本地化做过头，做出来的东西只能困在本国市场里，出不去。所以他们把国际人权公约当地基，再往上叠加韩国特有的敏感层，这个顺序本身就是一种态度。

还有一个没细说但我觉得值得追问的问题：这70个新发现的风险类别，具体是通过什么机制被最终"翻译"成训练数据的？报告说了流程，但没有展开数据构造的具体技术细节。一个老师提出"这个回答有点危险"，到变成机器能学习的训练样本，中间那一步的损耗和保真度，其实决定了这整套人文投入最终能不能真正落地到模型行为上。这个问题，恐怕要等下一份报告才能看到答案。

Q&A

Q1：K-EXAONE 2.0是什么？

A：K-EXAONE 2.0是LG AI Research开发的开源多语言基础大模型，通过升级重塑上一代K-EXAONE而来，总参数750B，激活参数约37B，支持256K长上下文和10种语言，遵循Apache 2.0协议开源。

Q2：K-EXAONE 2.0相比上一代提升最大的地方是什么？

A：提升最明显的是agentic coding（智能体编程）和长上下文理解。SWE-bench Verified从49.4分涨到68.2分，OpenAI-MRCR从52.3分涨到94.4分，安全类基准ROK-Fortress也从60.9分涨到89.5分。

Q3：K-EXAONE 2.0的安全机制有什么特别之处？

A：除了常规的技术性红队测试，团队还联合UNESCO组建了由46位教师构成的安全顾问委员会，通过教育专家的视角发现常规安全测试难以覆盖的社会文化类风险，并把韩国本土历史文化敏感性纳入安全评判标准。