벤치마크 반복성 검증
목차
아카이브 연구. 아래 데이터는 0.5.2 버전에서 2026-09-04에 수집되었습니다. 표, CSV 및 스크립트는 가중치 50/30/20를 사용하는 이전 Performance / Core Latency / Consistency 공식을 유지합니다. 이는 현재 온라인 순위 점수나 새로운 CPU/GPU/Latency 모델 검증이 아닙니다. CV 값 0,256%를 그것에 자동으로 이전할 수 없습니다. 최신 공식은 별도로 설명되어 있습니다.
이 시리즈 이후 GPU 부하의 방법론과 실행 방식이 변경되었습니다. 오래된 수치를 재계산한다고 해서 새로운 하드웨어 시리즈를 대체하지는 않습니다. 이 업데이트에서 원본 관측값과 게시된 계산은 변경되지 않았습니다.
1920×1080의 여섯 번의 실행에서 PC Score의 변동계수는 **0,256%**입니다. 더 낮은 해상도에서의 두 번의 실행은 이 여섯 번의 평균에서 +0,392% 및 −0,070%만큼 벗어났습니다. 한 대의 PC에서는 편차가 작았지만, 이 데이터로 다른 구성에서의 노이즈를 평가할 수는 없습니다.
여기에는 2026-09-04의 여덟 번의 모든 실행에 대한 분석이 있습니다. 어떤 실행도 표에서 제외되지 않았습니다. 계산은 2026-09-07에 재계산되었습니다.
| 파라미터 | 시리즈 데이터 |
|---|---|
| CPU | AMD Ryzen 7 7800X3D, 8 물리 코어 / 16 논리 프로세서 |
| GPU | NVIDIA GeForce RTX 5070 |
| Windows | 빌드 26200; 결과의 버전 문자열 Windows 10.0.26200 |
| 엔진 | PCBenchmarkX 0.5.2 |
| 프로필 | Candidate, 동일한 지속 시간 및 테스트 구성 |
| 평가 모델 | score-model-1.2-candidate-1 |
| 내부 해상도 | 여덟 번의 모든 실행에서 1920×1080 |
| 출력 | 테두리 없는 전체 화면 창 |
| 환경 상태 | 모든 결과에서 감지된 하이퍼바이저가 표시됨 |
작성자에 따르면 BoosterX 최적화가 적용된 Windows가 사용되었습니다. 시리즈의 전체 설정 목록은 공개되지 않았습니다. 아카이브에는 최적화되지 않은 Windows와의 비교도 없습니다. 표시된 하이퍼바이저는 게스트 VM 내부에서 실행되었다는 사실을 증명하지 않습니다.
요약에는 그래픽 드라이버 버전이 없으며, 아카이브로는 테스트 중 구성 요소 온도와 전체 설정 목록을 확인할 수 없습니다.
실행이 어떻게 구분되는지
섹션 제목: “실행이 어떻게 구분되는지”처음 세 번의 실행은 하나의 Windows 부팅에서 수행되었고, 다음 세 번은 각각 별도의 재부팅 후에 수행되었습니다. 이는 시스템 연속 가동 시간(uptime)으로 확인할 수 있습니다: 계산된 부팅 시점이 №1-3에서는 일치하고 №4, №5 및 №6에서는 다릅니다. 마지막 두 번의 해상도 테스트는 №6 이후 새로운 재부팅 없이 수행되었습니다.
| № | Windows 부팅 | 테스트 전 시스템 가동 시간, 분 | 출력 해상도 | PC Score |
|---|---|---|---|---|
| 1 | A | 4,94 | 1920×1080 | 14 198,58 |
| 2 | A | 7,56 | 1920×1080 | 14 229,16 |
| 3 | A | 10,23 | 1920×1080 | 14 186,01 |
| 4 | B | 0,67 | 1920×1080 | 14 239,20 |
| 5 | C | 3,52 | 1920×1080 | 14 224,65 |
| 6 | D | 7,80 | 1920×1080 | 14 141,08 |
| 7 | D | 10,62 | 1280×768 | 14 258,79 |
| 8 | D | 13,48 | 800×600 | 14 193,24 |
실행 №4은 부팅 후 1분 이내에 시작되었습니다. 테스트 전 대기 시간이 다르기 때문에 여기서 “재부팅만의 효과”를 별도로 분리할 수 없습니다: 시스템 시작 후 소프트웨어 동작이 겹칩니다.
1920×1080에서의 반복성
섹션 제목: “1920×1080에서의 반복성”여기서 CV는 전체 실행 간에 계산되며, 제수 n − 1를 사용하는 표본 표준편차를 통해 구합니다:
mean = sum(x) / ns = sqrt(sum((x − mean)^2) / (n − 1))CV, % = 100 × s / meanrange, % = 100 × (max(x) − min(x)) / mean| PC Score 시리즈 | n | 평균 | CV | 범위 / 평균 |
|---|---|---|---|---|
| 단일 부팅, №1–3 | 3 | 14 204,58 | 0,156% | 0,304% |
| 다른 부팅, №4–6 | 3 | 14 201,65 | 0,373% | 0,691% |
| 전체 1920×1080, №1–6 | 6 | 14 203,12 | 0,256% | 0,691% |
첫 번째와 두 번째 세 번의 비교는 **−0,021%**의 차이를 보입니다. 부팅 간 편차가 단일 부팅 내보다 높지만, 이 시리즈에서는 여전히 작습니다. 그룹당 세 번의 실행은 한계 오차에 대한 엄격한 결론을 내리기에는 부족합니다.
| 구성 요소, №1–6 | 평균 | 실행 간 CV | 범위 / 평균 |
|---|---|---|---|
| Performance | 11 437,74 | 0,121% | 0,330% |
| Core Latency Score | 21 750,66 | 0,392% | 1,129% |
| Consistency | 12 878,65 | 0,832% | 2,156% |
세 가지 구성 요소 중 Performance가 가장 높은 안정성을 보였습니다. 지연 분포의 꼬리를 사용하는 블록은 더 눈에 띄게 변동했습니다. 따라서 겉보기에 동일한 최종 점수가 프레임 분포 측면에서 동일한 그림을 보장하지는 않습니다.
해상도 확인
섹션 제목: “해상도 확인”| 해상도 | PC Score | №1–6 평균에 대한 Δ PC | Δ Performance | Δ Core Latency Score | Δ Consistency |
|---|---|---|---|---|---|
| 1280×768, №7 | 14 258,79 | +0,392% | −0,054% | +0,633% | +1,149% |
| 800×600, №8 | 14 193,24 | −0,070% | −0,089% | −0,099% | +0,022% |
출력 해상도를 낮춰도 Performance의 체계적인 상승으로 이어지지 않았습니다. 이는 고정된 내부 부하 1920×1080의 논리에 부합합니다.
같은 Windows 부팅에서 가장 가까운 1920×1080 실행 №6와만 비교하면 PC Score 변화는 +0,832% 및 **+0,369%**입니다. 차이는 하나의 실행과 비교하는지 여러 실행의 평균과 비교하는지에 따라 달라지므로, 여기서는 두 가지 변형을 모두 제시합니다.
각 낮은 해상도에서는 실행이 한 번뿐이었습니다. 순서는 교차되지 않았고, 해상도 변경 후 1920×1080의 반복 실행은 없었습니다. 이 그림은 고정된 내부 부하 가설과 일치하지만, 해상도가 개별 구성 요소에 미치는 영향을 배제하지는 않습니다. 검증을 위해서는 순서를 교차한 여러 PC에서의 반복이 필요합니다.
계산 검증 및 사용 가능한 데이터
섹션 제목: “계산 검증 및 사용 가능한 데이터”여덟 번의 모든 실행이 완료되었습니다: 게시된 CSV에서 각 실행의 네 가지 평가와 입력 집계가 모두 채워져 있습니다. 실행 적합성은 방법론에 설명된 실행 품질 모델(Run Quality)로 평가됩니다: 이는 배경 CPU 부하, 하이퍼바이저, 배터리 전원 및 원격 세션을 고려합니다. 다만 외부 간섭이 여전히 측정에 영향을 미쳤을 수 있습니다: 이 모델에 따른 실행 적합성은 그것이 없었다는 것을 증명하지 않습니다.
모든 실행에 대해 Performance, Core Latency Score, Consistency 및 PC Score가 저장된 throughput과 백분위수로부터 다시 계산되었습니다. 게시된 값과의 최대 차이는 0,000001점 미만입니다. 이는 집계에 대한 공식 검증입니다; 이 분석에서는 원시 프레임으로부터 백분위수를 완전히 재구성하지 않았습니다.
- 여덟 번의 실행에 대한 정제된 데이터, CSV.
- 계산 검증 스크립트, Python 3. 표준 라이브러리만 필요합니다.
두 파일을 나란히 저장하고 실행하십시오:
python analyze_repeatability.pyCSV에는 평가와 입력 집계, 해상도, 시스템 가동 시간 및 부팅의 조건부 표시가 포함되어 있습니다. 식별자와 서비스 데이터가 포함된 전체 원본 아카이브는 공개되지 않습니다.
독립적 결과
섹션 제목: “독립적 결과”다른 컴퓨터에서 반복성을 확인하려면, “PCBenchmarkX: повторяемость”라는 제목으로 admin@boosterx.org로 시리즈를 보내주십시오.
동일한 조건에서 여러 개의 전체 결과를 보내고 CPU, GPU, RAM, Windows 및 드라이버 버전, 프로필, 해상도, 재부팅 및 테스트 간 변경 사항을 명시하십시오. 해상도의 영향을 확인하는 경우, 실행 간에 해상도를 교차하고 각 값에서 여러 번 실행하십시오. “나쁜” 또는 드문 경우를 포함하여 전체 시리즈를 통째로 보내는 것이 좋습니다.
보내기 전에 아카이브에 개인 데이터가 있는지 확인하십시오. 개인 데이터 없이 결과와 컴퓨터 사양을 게시할 수 있는지 명시하십시오. 검증 후 조건, 계산 및 제한 사항과 함께 시리즈를 여기에 추가할 수 있습니다. 편차가 큰 시리즈도 보내주십시오: 이는 어떤 조건에서 결과가 덜 안정적인지 파악하는 데 도움이 됩니다.
이 분석은 제공된 시리즈를 바탕으로 BoosterX 팀이 준비했습니다. 이는 독립적인 인증이 아니며 BoosterX 최적화로 인한 성능 향상을 증명하지 않습니다. 독립적인 재현은 별도로 표시될 것입니다.