基準測試可重現性驗證
本頁內容
在六次以 1920×1080 進行的執行中，PC Score 的變異係數為 0.256%。兩次較低解析度的執行相對這六次平均值的偏差為 +0.392% 與 −0.070%。在同一台 PC 上離散程度不大，但根據這些資料無法評估其他組態上的雜訊。
這裡收錄了 2026-09-04 全部八次執行的分析。沒有任何一次執行被排除在表格之外。計算已於 2026-09-07 重新核算。
| 參數 | 系列資料 |
|---|---|
| CPU | AMD Ryzen 7 7800X3D，8 個實體核心 / 16 個邏輯處理器 |
| GPU | NVIDIA GeForce RTX 5070 |
| Windows | 組建 26200；結果中的版本字串為 Windows 10.0.26200 |
| 引擎 | PCBenchmarkX 0.5.2 |
| 設定檔 | Candidate，相同的持續時間與測試組成 |
| 評分模型 | score-model-1.2-candidate-1 |
| 內部解析度 | 全部八次執行均為 1920×1080 |
| 輸出 | 無邊框全螢幕視窗 |
| 環境狀態 | 所有結果中均標記偵測到 Hypervisor |
根據作者的資料，使用的是經過 BoosterX 最佳化的 Windows。該系列的完整設定清單並未公布。封存檔中也沒有與未最佳化 Windows 的比較。標記的 Hypervisor 並不能證明是在客體 VM 內執行。
摘要中沒有圖形驅動程式版本，而封存檔也無法確定測試期間的元件溫度與完整設定清單。
執行如何區分
Section titled “執行如何區分”前三次執行是在同一次 Windows 開機中完成，接下來三次則各自在獨立重新開機之後進行。這可從系統連續運作時間（uptime）看出：推算的開機時刻在 №1-3 相同，而在 №4、№5 與 №6 各不相同。最後兩次解析度測試是在 №6 之後、未再重新開機的情況下完成。
| № | Windows 開機 | 測試前系統運作時間，分 | 輸出解析度 | 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 |
執行 №4 在開機後不到一分鐘便開始。測試前的等待時間各不相同，因此在此無法單獨分離出「僅重新開機的效果」：其中疊加了系統啟動後軟體的行為。
1920×1080 下的重現性
Section titled “1920×1080 下的重現性”此處 CV 是在完整執行之間計算，透過除數為 n − 1 的樣本標準差：
mean = sum(x) / ns = sqrt(sum((x − mean)^2) / (n − 1))CV, % = 100 × s / meanrange, % = 100 × (max(x) − min(x)) / mean| PC Score 系列 | n | 平均 | CV | 全距 / 平均 |
|---|---|---|---|---|
| 同一次開機，№1–3 | 3 | 14 204.58 | 0.156% | 0.304% |
| 不同開機，№4–6 | 3 | 14 201.65 | 0.373% | 0.691% |
| 全部 1920×1080，№1–6 | 6 | 14 203.12 | 0.256% | 0.691% |
比較第一組與第二組三次執行得到差異 −0.021%。不同開機之間的離散程度高於同一次開機之內，但在這個系列中仍然不大。每組三次執行不足以對極限誤差作出嚴格結論。
| 元件，№1–6 | 平均 | 執行間 CV | 全距 / 平均 |
|---|---|---|---|
| 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% |
在三個元件中，Performance 展現出最高的穩定性。使用延遲分布尾部的區塊波動較明顯。因此，外觀相同的總分並不保證畫面時間分布呈現相同的樣貌。
| 解析度 | PC Score | Δ PC 相對 №1–6 平均 | 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% |
降低輸出解析度並未導致 Performance 系統性上升。這符合固定內部負載 1920×1080的邏輯。
如果只與同一次 Windows 開機中最近的 1920×1080 執行 №6 比較，PC Score 的變化為 +0.832% 與 +0.369%。差異取決於我們是與單次執行比較，還是與多次執行的平均比較，因此這裡同時列出兩種方式。
每個低解析度都只有一次執行。順序並未交替，且在變更解析度之後也沒有再次執行 1920×1080。結果符合固定內部負載的假設，但並不排除解析度對個別元件的影響。要驗證這一點，需要在多台 PC 上以交替順序重複測試。
計算檢查與可用資料
Section titled “計算檢查與可用資料”全部八次執行均已完成：在公布的 CSV 中，每次執行都填有全部四項評分與輸入彙總值。執行的適用性由執行品質模型（Run Quality）評估，該模型描述於方法論中：它會考量背景 CPU 負載、Hypervisor、電池供電與遠端工作階段。即便如此，外部干擾仍可能影響測量：依此模型判定執行適用，並不能證明這些干擾不存在。
對於所有執行，Performance、Core Latency Score、Consistency 與 PC Score 都已從保存的 throughput 與百分位數重新計算。與公布值的最大差異小於 0.000001 分。這是對彙總值進行公式檢查；本分析並未從原始畫面重新完整建構百分位數。
- 八次執行的清理後資料，CSV。
- 計算檢查腳本，Python 3。僅需標準函式庫。
將兩個檔案保存在同一處並執行：
python analyze_repeatability.pyCSV 包含評分與輸入彙總值、解析度、系統運作時間以及開機的標記。含識別碼與輔助資料的完整原始封存檔不予公布。
若要在其他電腦上檢查重現性，請將您的系列寄至 admin@boosterx.org，主旨為「PCBenchmarkX: повторяемость」。
請在相同條件下寄送多份完整結果，並註明 CPU、GPU、RAM、Windows 與驅動程式版本、設定檔、解析度、重新開機次數以及測試之間的變更。如果您要檢查解析度的影響，請在每次執行之間交替解析度，並在每個值上進行多次執行。最好寄送整個系列，包括「不良」或罕見的情況。
寄送前請檢查封存檔是否含有個人資料。請註明是否可以在不包含您個人資料的情況下公布結果與電腦規格。經過檢查後，我們便能將該系列連同條件、計算與限制一併加入此處。也請寄送離散程度較大的系列：它們有助於了解在哪些條件下結果較不穩定。
本分析由 BoosterX 團隊根據所提供的系列撰寫。它並非獨立認證，也不證明 BoosterX 最佳化所帶來的效能提升。獨立重現將另行標註。