# مجموعة اختبار ذهبية (Golden set)

مجموعة أمثلة حقيقية تقيس بيها أي تغيير (موديل، prompt، إعداد) **بنفس المقياس**.

## القواعد
1. أمثلة من استخدامك الحقيقي، مو مخترعة. وتشمل الحالات الصعبة والغريبة.
2. لكل مثال **الجواب الصحيح أو معيار الصحة** مكتوب قبل التشغيل.
3. تنفصل عن أمثلة الـprompt (حتى ما تقيس على اللي دربت عليه).
4. لا تغيّر المجموعة أثناء المقارنة. غيّرها بنسخة جديدة (v2).
5. اذكر حجمها دائماً (n).

## الشكل (ملف CSV)
```csv
id,input,expected_or_criteria,category,added_on
1,"نص الإدخال","ما يجب أن يظهر بالمخرج","اجتماع طويل",2026-10-12
```

## بعد كل تشغيل
| الإصدار | n | نجح | فشل | نسبة العيوب | أكثر خطأ تكراراً | الكلفة/مهمة | الزمن |
|---|---|---|---|---|---|---|---|