20260706:新增一些文章

concepts/rubric-based-evaluation.md

@@ -0,0 +1,41 @@
+---
+title: "量规评估（Rubric-Based Evaluation）"
+created: 2026-07-02
+updated: 2026-07-02
+type: concept
+tags: [evaluation, rubric, judge, frontend]
+sources:
+  - "[[verification-horizon-no-silver-bullet]]"
+---
+
+# 量规评估（Rubric-Based Evaluation）
+
+将整体评估分解为细粒度评分维度的结构化评估方法，减少 model-based judge 的主观偏差和不一致性。
+
+## 论文中的设计
+
+Qwen Team 的前端评估 rubric 将评估分解为 6 个维度，平均每任务 25.9 个 checklist 条目：
+
+| 维度 | 占比 |
+|------|:---:|
+| Functional（功能正确性） | 37.7% |
+| Content（内容完整性） | 19.0% |
+| Visual（视觉质量） | 13.3% |
+| Layout（布局） | 12.9% |
+| UX（用户体验） | 9.3% |
+| Technical（技术质量） | 7.2% |
+
+## 效果验证
+
+- **Judge-Model 排名一致性**：跨 scorer 家族 Kendall τ ≥ 0.93
+- **Prompt 变体鲁棒**：改变 strictness、thinking level 不改变排名
+- **人机对齐**：Spearman ρ = 0.81-0.91
+
+## 局限
+
+静态评估无法覆盖需要运行时行为的场景（表单验证、动态路由、多页导航），这推动了 [[interactive-judge|交互式判断器]] 的发展。
+
+## 参考
+
+- [[verification-horizon-no-silver-bullet|论文原文]]
+- [[interactive-judge|交互式判断器]]