评分与验证

评分方法按问题选用：结构、算术和权威状态优先用确定性检查；开放语义任务用明确rubric；法律适用、教学策略和严重遗漏需要专家标准。三者形成互补证据，不以多个模型互相赞同代替外部真值。

阅读路径先确定可执行验证的范围，再设计能引用证据并保留unknown的Judge，最后用独立专家标签校准漏判和误判。规则、模型与阈值都要版本化，更换评分器后检查历史可比性。硬权限和严重错误作为单独门禁，不能被流畅度、文风等软分抵消；验证器自身失败也必须区别于被测任务失败。