评测框架
EvoSika 采用四层评测架构，从因果涌现到干预效力，全面评估基因集的科学与临床价值。
Module 1 — 因果涌现
评估概念是否比单个基因展现更强的疾病关联。通过因果涌现指数（CE Index）量化整体涌现效应，验证基因集是否真正实现了「1+1>2」的涌现效应。
核心指标：CE Index（因果涌现指数）、AUC（疾病分类精度）
Module 2 — 简约性
评估基因集能否以最少的变量达到同等的疾病分类效果。通过 ElasticNet 正则化（L1+L2）自动选择关键基因，评估简约性得分。
核心指标：Parsimony Score（简约性得分）、非零系数数量
Module 3a — 泛疾病解释力
评估基因集是否对多种疾病具有普适的解释力。通过跨疾病数据集（乳腺癌、肠癌、抑郁症等）验证其泛化能力。
核心指标：Universal Disease Score（泛疾病得分）、跨疾病 AUC 均值
Module 3b — 干预效力
评估基因集是否能响应有效的干预措施。通过真实 GEO 临床试验数据（叶酸、黄酮醇、二甲双胍等）验证干预响应能力。
核心指标：Universal Intervention Score（泛干预得分）、干预前后显著性
进化机制
EvoSika 的进化引擎借鉴梅花鹿角脱落再生的自然智慧，实现理论的持续迭代优化。
适应度超过阈值（≥0.5），新概念直接加入基因集库
与已有 Agent 高度相似（Jaccard≥0.8），融合为新版本
概念内部存在明显子结构，分裂为多个子 Agent
优于已有相似 Agent（Jaccard 0.3-0.8），替换旧版本
适应度不足，概念被淘汰
分布式计算工具包
下载 EvoSika 计算包，在本地运行评测任务，提交结果到排行榜。
支持 Windows / macOS / Linux
计算包包含：评测脚本 + 参考数据集 + SHA-256 基因集指纹
四维评测体系
Layer 1：因果涌现
这个概念是否真的与疾病因果相关？通过因果涌现指数（CE Index）量化宏观涌现效应——Hallmark级特征比单个基因强出最高9.7个数量级。
Layer 2：简约性
用这个基因集表征这个概念，是否以最少变量达到同等预测精度？通过LASSO/ElasticNet评估精简度得分。
Layer 3：泛疾病解释力
这个概念是否对多种疾病具有普适解释力？跨10种年龄相关疾病数据集验证。
Layer 4：可干预效力
这个概念能否区分有效干预和无效干预？通过GEO真实临床试验数据，验证概念在干预前后的显著变化和疗效中介效应。
三步参与
定义你的概念
输入一个生物学概念名称（如"线粒体功能障碍"、"气虚"），提交你认为最能表征该概念的基因集合。系统自动注册为标准化的Hallmark Agent。
AI自动评测
你的Agent进入Hallmarks Engineering Testbed评测队列。离线评测引擎在公开数据集上自动执行四维评测（因果涌现、简约性、泛疾病解释力、可干预效力）。预计12小时内完成。
查看排名与进化
评测完成后，你的Agent出现在公开排行榜上。在每个疾病的榜单、每个评测维度的分榜、以及跨疾病综合总榜中，你可以看到它的精确排名。优胜者保留，缺陷者淘汰，两个优秀概念可自发融合。