Rubrics评测

定义

对于内容质量等无法简单判定成功/失败的场景，生成一系列不同等级的评测用例进行分级评估。区别于标准型（pass/fail），Rubrics 型评测用等级梯度衡量质量水平。

适用场景

• AIGC 生成内容质量（图片、文案、PPT）
• UI 品味和视觉质量
• 自然语言回复的准确性和完整性
• 任何"好坏程度"而非"有无"的评估

示例

查询 OKR 场景：

• Level 1：查出来了（基础）
• Level 2：查出来且格式清晰
• Level 3：格式清晰+关键指标高亮
• Level 4：高亮+给出进度分析建议

与其他概念的关系

• 自动化评测 — Rubrics 是自动化评测平台的两种评测集类型之一
• 验证闭环 — 扩展了传统 pass/fail 验证的能力边界

来源

• Harness Engineering实践-AI自动评测优化平台