nameless0120

当用户要在 helloagents-trip-planner 中运行、复核或对比 Planner standard/hard eval 时使用；覆盖 base/SFT/DPO/checkpoint 单模型评测、已有 generations 的 rule eval 重算、跨模型同口径对比、slice 报告、relaxed grounding 审计、可选 LLM judge/pairwise judge、报告包整理，以及判断 checkpoint 是否真的变好。

当用户要为 helloagents-trip-planner 生成一轮 Planner realbudget SFT 数据，并按项目最小验收流程判断这轮数据是否可以扩量、修复或作为训练候选时使用；覆盖 controlled/budget_supplement 请求分布检查、PlannerContext smoke、小批量生成、预算审计、可用性分类、样本预览、导出校验和训练前 handoff。