所有榜单共用同一套评分方法与题库口径，差异在于维度权重。
推理、代码、中文、Agent 与安全五维加权
维度：reasoning / code / chinese / agent / safety
代码生成与调试为主，兼顾推理与工具调用
维度：code / reasoning / agent
中文语义、写作与安全对齐
维度：chinese / reasoning / safety
多步任务规划与工具调用
维度：agent / reasoning / code