20260706:新增一些文章

concepts/interactive-judge.md

@@ -0,0 +1,39 @@
+---
+title: "交互式判断器（Interactive Judge）"
+created: 2026-07-02
+updated: 2026-07-02
+type: concept
+tags: [verification, frontend, judge, playwright, interaction]
+sources:
+  - "[[verification-horizon-no-silver-bullet]]"
+---
+
+# 交互式判断器（Interactive Judge）
+
+用于前端任务的 Agent 判断器，通过模拟真实用户交互来评估生成页面，抵抗静态判断器的长度利用。
+
+## 三阶段 Pipeline
+
+1. **Action Planning**（单次前向传递）：Action Planner 从任务规范和页面信息（accessibility tree、browser state、keyboard listeners）一次性生成完整 action list
+2. **Render Execution**：Playwright server 在真实浏览器中执行 action list，录制交互轨迹（screenshots、DOM changes、console output）
+3. **Scoring**：Judge model 根据 rubric checklist 评估交互轨迹 + 源码
+
+## 关键优势
+
+- **抵抗长度利用**：奖励来自运行时行为，而非源码长度 → 模型无法通过生成冗余 CSS/JS 骗分
+- **覆盖动态行为**：多页导航、动画、状态转换、表单验证 → 静态截图无法捕获
+- **效率**：单 pass 生成 action list（vs 迭代 agent loop），降低推理成本
+
+## 对比静态判断器
+
+| 特征 | Static Judge | Interactive Judge |
+|------|:---:|:---:|
+| 评估依据 | 源码 + 静态截图 | 运行时交互行为 |
+| 长度利用 | 易被利用 | 抵抗 |
+| 动态行为 | 无法覆盖 | 可覆盖 |
+| 成本 | 低 | 中 |
+
+## 参<><E58F82>
+
+- [[verification-horizon-no-silver-bullet|论文原文]]
+- [[rubric-based-evaluation|量规评估]]