---
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]]