用途：把 nurb 基准仓库中已合并的提交，经人工编辑与校验后发布为公开排行榜页面。基准（任务、评分器、提交、REPORT.md）位于 Shpigford/nurb-benchmarks，公开页面 site/benchmarks.html 位于本仓库。提交 PR 可自由合并，但只有运行本技能后才会进入公开页面，这一间隔用于做校验和撰写结论。
主要能力与流程：
- 准备基准检出：在本仓库之外克隆或更新 Shpigford/nurb-benchmarks 的 main 分支，后续涉及提交、结论和 REPORT.md 的操作都在该检出中进行。
- 找出新增运行：用 git log -1 --format=%ci -- site/benchmarks.html 确定上次发布时间，再在基准检出中列出该时间之后合并的提交目录（git log --since=<date> --diff-filter=A --name-only -- submissions/ | grep results.jsonl）。每个 submissions/ 下的目录代表一次运行，含 results.jsonl、逐次试验的 gzip 转录和部件源码；若无新增则停止。
- 校验每次新运行：检查每行是否含 harness、harness_version、model、effort、seed、nurb_version、benchmark_version、12 位 benchmark_revision 和 timeout_s；benchmark_revision 必须对应真实发布过的版本。确认转录与部件源码齐全且已脱敏（解压后不得出现 /Users/、/home/ 或用户名）。将提交的部件文件与 tests/solutions/ 及其他提交做哈希比对，与参考解完全一致即取消资格。至少对每次新运行的一行重新评分，重建试验项目并运行评分器，分数必须完全复现。每位新贡献者读一份转录，确认无头前导、模型确有迭代、会话与耗时一致。未通过检查的运行以 PR 评论说明原因后移除，不静默处理；重新评分不一致时先核对 benchmark_revision。
- 结论：每个 (harness, model, effort) 组合应在基准仓库 src/nurb_evals/site.py 的 VERDICTS 中有条目，说明所用订阅和一两句可执行结论，须基于行与转录，不得推测；被截断或删失的数据要明确标注，不得平均后作为结论。
- 重新生成并发布：在基准检出运行 uv run python -m nurb_evals.report --write 和 uv run python -m nurb_evals.site --out <this-repo>/site/benchmarks.html，在浏览器中查看页面（截图而非 DOM 查询），然后分别向两个仓库提交 PR，不得直接推 main；PR 正文列出已发布和被拒的运行及原因。基准检出中 uv run pytest -q tests/test_report.py tests/test_pricing.py tests/test_contribute.py 必须通过。页面按站点既有方式部署，本技能职责止于 PR 合并。
限制：资料未提供具体收费、价格、平台支持范围或效果数据；本技能不修改评分器代码，完整评分套件仅用于守护评分器。