用途：管理冻结基准、隐藏测试、Pareto front 与评估标准，供改进流程进行分数对比和回退判定。
主要能力：初始化或查询基准数据库；对比 skill 评分与冻结基线；检查 Pareto front，任何维度回退超过 5% 阈值即拒绝；查阅质量分级标准；向基准库添加新的冻结测试用例；查看某 skill 在所有维度上的历史最优分；为 RegressionGate 提供 Pareto 基线数据；批量列出已注册 benchmark 条目。
质量分级：POWERFUL ≥85%（Marketplace ready）；SOLID 70–84%（GitHub）；GENERIC 55–69%（需迭代）；WEAK <55%（拒绝或重写）。分级基于加权综合分，accuracy 与 coverage 权重各 0.2，security 0.15，其余各 0.1–0.15。
Pareto 机制：使用逐维度检查而非加权平均，避免某维度大幅回退被掩盖。ParetoFront.check_regression(new_scores) 返回 {"regressed": bool, "regressions": [...]}，允许 5% 容差。
使用方式：通过 scripts/benchmark_db.py 操作，例如：python3 scripts/benchmark_db.py --action list --db-path benchmarks.db；python3 scripts/benchmark_db.py --action compare --skill-path /path/to/skill --category general --db-path benchmarks.db；python3 scripts/benchmark_db.py --action add --category general --test-name "test1" --db-path benchmarks.db。
数据文件：data/evaluation-standards.md、data/fixtures/、state/pareto.json、benchmarks.db。
限制：不用于给候选打分（用 improvement-discriminator）、自动改进（用 improvement-learner）、全流程（用 improvement-orchestrator）、执行变更（用 improvement-executor）或门禁决策（用 improvement-gate）。