这篇论文介绍了一个名为ROSCOE的度量标准套件，用于评估逐步骤推理的性能。ROSCOE是一套可解释的、无监督的自动评分系统，旨在改进和扩展之前的文本生成评估指标。该研究通过设计一个推理错误的分类学，并在常用的推理数据集上收集合成和人类评估分数，来评估ROSCOE相对于基线指标的表现

fun main() { // 找到一家肯德基 // ↓ val kfc = Restaurant<KFC>() // 需要普通饭店，传入了肯德基，编译器报错 orderFood(kfc) val success:Result.Success<Cat> = Result.Success<Cat>(Cat()) println(success.data) var s:Result.Success<Animal> = success s.data = Dog() println(success.data as Cat) }

sealed class Result<out R> { // 协变 ① // ↓ ↓ data class Success<out T:Animal>(var data: @UnsafeVariance T, val message: String = "") : Result<T>()

data class Error(val exception: Exception) : Result<Nothing>()

data class Loading(val time: Long = System.currentTimeMillis()) : Result<Nothing>()

}

let msg = res.code != 0 ? res.msg || '操作失败' : res.msg || "操作成功";

代码优化，可读性的衡量：

let options = res.code != 0 ? { msg: '操作失败', icon: 2} : {msg: "操作成功", icon: 1};

msg = res.msg || options.msg;