version: v3 generated_by: innovator-digest date: 2026-08-27 based_on: hunt/knowhow_v3.md（T-mtb58zsc）+ master 本轮三条拍板决策（任务 T-mtb6dgpw） supersedes: benchmark_v2.md
quote_verification: 官方引文已由 Digester 于 2026-08-27 独立复抓核对（见 §〇.2 与 benchmark_v3_revision_notes.md 附录 A）
H3 视频提示词质量评分基准 v3 — h3-video-prompt
生成者：innovator-digest（Phase 2 Digest，v3 修订）｜日期：2026-08-27 评分对象：该 agent 针对一条用户视频创意产出的最终交付物。v3 起按产出形态分两条轨计分 （C1–C3 见 §二；轨别由场景元字段
expected_outcome声明）：prompt轨评完整提示词，block轨评阻塞报告。 前身：benchmark_v2.md（2026-08-26，9 维度）。v3 不推翻 v2 的维度骨架与权重，只做三类事： 把 knowhow_v3 揭示的真实缺口转成判据、把三条遗留事项正式裁决落条款、补齐上轮从未被触发的盲区场景。
〇、v2 → v3 修订背景
0.1 触发源（三股输入）
- knowhow_v3（Hunter v3 轮，全部官方原文逐字到手）新揭示的事实：
- 参考素材进模型的官方通道是请求体顶层
conditions[]（地址在每条uri），官方全文没有叫references的数组 —— 那是我们自己的调用方约定。由此必须区分资产层与正文层 （knowhow_v3 §2.1/§4.3）。 - 官方四个参考标签只有
<Subject N>/<Picture N>/<Video N>/<Audio N>（ref-en.txt L26-L34），不存在object N/background N字面标签（本轮独立复核： 三份官方文件 grep\b(object|background) [0-9]零匹配）。 - "立绘只用来定义人物、不另起 Picture 条目"有官方逐字背书且属通用默认（ref-en.txt L62/L68）， 不是 conv-mtabpqx9 输入特有。
- SKILL v0.3.0 §0.6 第 3 步让正文里写 "as established in the NPC portrait" 这种文字指代， 偏离官方文风：官方用资产序号内联引用（ref-en.txt L37 + L313 官方范例）→ 可修缺口。
- 对白标点存在两条作用域不同、表面互斥的官方条文（base-en.txt L129 vs ref-en.txt L274） → 必须裁决成作用域条款。
- 参考素材进模型的官方通道是请求体顶层
- fde_report_v2 §四 / evolve_report_v2 §5.5：阻塞场景的"正确阻塞 = 与完美达成并列 100" 导致 12 场景里 10 个满分、分数分布无区分度 → 必须正式定案计分方式。
- master 本轮三条拍板决策（原样落入本文 C 条款）：标签体系用官方四标签、参考图 OSS url 逐张保留进资产层、立绘按理解 B 处理。
0.2 引文独立性说明（诚实记录）
本基准所有标注「官方」字样的判据，其引文已由 Digester 于 2026-08-27 独立复抓
raw.githubusercontent.com 并逐字比对：base-en.txt（15773 B，sha256 前 16 位
2cfebc096a6e0837）、ref-en.txt（23553 B，sha256 前 16 位 1e574f356716ad55）、SKILL.md
（2177 B，sha256 前 16 位 a48f9db1231cebe6），三份字节数与哈希前缀均与 sources_v3.json 记录一致。
指定核对的 7 处行号（ref-en L37/L62/L68/L274、base-en L127/L129/L136）逐字一致，
另额外比对了 19 处支撑行号。仍不可达的部分沿用 knowhow_v3 §7 的如实结论：
MiniMax 开放平台文档未核实、「图片 + role=reference」官方案例缺失。
0.3 出处分级体系（v3 新增，贯穿全文）
为杜绝「内部规范冒充官方原文」（上轮明确要防的问题），v3 给每条判据标出处等级：
| 等级 | 含义 | 引用形态 |
|---|---|---|
| A | 官方逐字条款 | 官方文件:行号 + 英文原文 |
| B | 内部规范（我方工程约定 / 评审专家推演，方向与官方不矛盾） | 标注「内部规范」并给出提出来源 |
| C | 构造性设计（无任何真实先例或官方文本，从规则合理推演出来的收口/边界处理） | 标注「构造性设计」 |
一、维度设计（沿用 v2：9 维度，权重 20 + 10×8 = 100）
| 维度 | 名称 | 权重 | v3 变化 |
|---|---|---|---|
| D1 | 官方输入模式覆盖度（核心锚点） | 20 | 增补判据：非锚点图的序号内联引用 + 幽灵编号禁令（§二 C1） |
| D2 | 结构化字段完整性 | 10 | 沿用 v2 |
| D3 | 声音设计完整性（含 N/A 精确条件） | 10 | 沿用 v2 |
| D4 | 具体性 vs 空洞质量词 | 10 | 沿用 v2 |
| D5 | 对白逐字保真与 <d> 格式（硬性规范） |
10 | 改判：纳入 C2 标点双口径作用域 + 双说话人稳定 ID + 画外音固定短语（均官方原文） |
| D6 | 运镜与镜头语言一致性 | 10 | 增补多镜头剧情保真 / 出场过程 / 道具连续性（B/C 级出处，明确标注） |
| D7 | 素材可用性预检与阻塞报告 | 10 | 增补资产层判据：url 逐张保留 + 顺序 = 菜单顺序（§二 C1） |
| D8 | 意图忠实与扩写边界（含输入冲突解决） | 10 | 沿用 v2 |
| D9 | 输出前机械校验 | 10 | 修正口径 + 词法纪律：references 顺序命题重述、正文层禁非官方标签（§二 C1） |
为什么不在本轮新增第 10 维：knowhow_v3 §8.4 建议"benchmark 增加『资产层 url 保真』判据"， 但该建议同时指出这属于现有 D7/D9 维度的细化而非推翻（knowhow_v3 §3.3：D7/D9 无需改动方向， 只需在判据里写清两个点…不推翻现有基准）。v2 行为类五维各只有 1 个真实先例（conv-mtabpqx9）， 再切出一个无真实产出的新维度只会稀释权重可解释性。资产层义务归 D7（它本质是素材处理行为）， 正文词法纪律归 D9（它本质是机械校验项），Ref2VA 结构语义归 D1 —— 判据增加，维度数不动。
二、三条全局裁决条款（正式生效，取代一切旧表述）
这三条是对 v2 revision_notes 第 8 节遗留事项 + master 拍板的结论，不是待议项。
C1 标签映射与两层分离（读法 B 正式定案）
裁决：master 口中的「给每个参考图打 object 1 / background 1 / picture 1 标签」映射到官方既有 标签体系，不引入任何官方四标签以外的编号词法。义务由两层共同满足：
| 层 | 内容 | 规则 | 出处 |
|---|---|---|---|
资产层（请求体 conditions[]，或调用方约定的 references 数组） |
每条参考素材一条记录，原 url 原样保留、不下载不改链，顺序 = 输入菜单的原始顺序 | url 不进提示词正文；官方正是这样做的（cdn.hailuoai.com 地址直接放 conditions[].uri） |
A：README.md:272 + 官方脚本 reproducible-768p-ref2va-request.sh:11-32；机制性证据 chat_template.json（图片按请求序列自动编号 Picture 1,2,3…） |
| 正文层（prompt 文本六段） | 只出现 <Subject N> / <Picture N> / <Video N> / <Audio N> 四类编号标签及 (Sx) 说话人 ID |
禁止出现 object/background/picture 小写等任何官方外编号词法；禁止幽灵编号 | A：ref-en.txt:26-34 四标签表 + SKILL_official.md:14 "Preserve the exact field names, section order, labels, and timing notation from the selected guide." |
三种常见素材在正文层的落位（理解 B）：
| 生产菜单里的图 | 正文层落位 | 出处 |
|---|---|---|
| scene 场景图（用作构图/首帧锚点） | 独立 <Picture N> 定义条目（可同时作为环境型 Subject 的来源） |
A：ref-en.txt:62 "Use a standalone <Picture N> when the reference image itself serves as a shot's first frame, keyframe, last frame, edited keyframe, or composition anchor" |
| 人物/道具立绘（仅定义外观） | 不另起 Picture 条目；在某条 <Subject N> 定义句内以 <Picture M> 序号内联引用 |
A：ref-en.txt:68 "If an image is used only to define a character, scene, costume, or style, do not create a standalone picture entry. Instead, cite the image source inside the corresponding <Subject N> definition."；L313 官方范例 " is the fluffy white Samoyed in , , and " |
| 只取氛围不入帧的风格图 | 作 weak_reference 来源处理，同样不独立成条 |
A：ref-en.txt:168 |
判分细则（对应 D1/D9 修订档位）：
- 内联引用必须是序号引用，不是文字指代。反例（SKILL v0.3.0 §0.6 第 3 步现行写法，判定为
官方文风偏差）："as established in the NPC portrait"。正例："as established in ."
依据 ref-en.txt:37 "If
<Picture N>or<Video N>only identifies the source of another referenced item and will not be analyzed or used separately later, cite it inside that item's definition without adding a separate line." —— 该条要求"cite it inside"，其正文其余部分的惯例 是带标签序号的引用（ref-en.txt:312/313 官方范例，等级 A + 构造性延伸 C：将 "cite" 具体化为 "带序号引用"是我方的收口解释，官方没有逐字说 "must use the label token"）。 - 幽灵编号（内部规范 B / 收口规则）：凡以素材身份进入资产层的图片，要么拥有独立
<Picture N>定义条目、要么被某条<Subject N>定义句以序号引用，不允许成为正文里完全无人认领的 编号。这条是我方推演出的收口规则，官方没有逐字写，不得转述为官方条款。 - 自检口径修正（取代 v2 D9 的错误命题）：正确的恒成立命题是
references 数组顺序 = 素材原始菜单顺序 = 模型自动编号顺序；
references 顺序与正文不再作为要求 —— 因为部分图不做 Picture 定义条目时两者本来就对不上，硬要求会逼迫 agent 为立绘伪造 Picture 条目（反而违反 ref-en.txt:68）。 （等级：模型自动编号顺序来自 chat_template.json 机制性证据；命题重述为内部规范 B。）<Picture N>定义条目一一对应 - 生产输入自带绑定规则时按输入走：若输入明确声明了某张立绘"不另起 Picture 条目"或反之，按输入 执行，不以 C1 的默认覆盖输入显式约定（master 决策 3 的保留分句；等级 B 内部规范）。
- url 保留 ≠ 污染素材可用：保留不可用素材的原 url 只是数据完整性义务，不代表允许引用； 可用性判定与阻塞逻辑完全归 D7，两者不得混为一谈（knowhow_v3 §4.3 第三点，等级 B）。
C2 对白标点双口径作用域条款（正式定案）
裁决：不再存在全局的「不擅自添加/删除/改动标点」。判分前先判台词来源，按来源选用两种合法口径之一： 两者均为官方条文，谁也不覆盖谁。
| 口径 | 适用范围（作用域条件） | 规则 | 出处（A 级） |
|---|---|---|---|
| 口径 V（verbatim） | 台词由用户在本次输入中直接提供（含用户手打的对白、字幕文本；不含仅出现在参考音频里的内容） | <d> 内只放语言标签和台词本身；每个原词、每个原始标点逐字保留，不翻译、不改写、不补词、不擅自加句号/感叹号/省略号，也不得删改已有标点 |
base-en.txt:129 "Inside <d>, include only the language tag and the actual user-provided spoken content. Preserve every original word and punctuation mark verbatim; do not translate or rewrite them." |
| 口径 R（source-reuse standardize） | 台词从参考音频直接复用，或输入明确要求 reperformance（含复用 BGM 歌词、重演原声旁白） | 保留源词与原语言；听不清处写 [unclear] 不得猜写；标点标准化为表达句子所需的基础书面标点（, . ? !）；删除重复波浪号、emoji、项目符号与重复装饰标点；陈述/疑问/感叹句在 </d> 前分别补 .?! 终止符 |
ref-en.txt:274 "When dialogue, narration, or lyrics from reference audio are directly reused, or when the input prompt explicitly requests their reperformance, preserve the exact source words and original language inside <d>. … Standardize punctuation to the basic written marks needed to express the sentence … End complete statements, questions, and exclamations with ., ?, or ! respectively before </d>." |
来源判定顺序（分级规则，等级 B 内部规范）：
- 输入对这句台词的来源有显式声明 → 按声明选口径。
- 无显式声明、但台词同时出现在参考音频资产中且用户要求复用/重演 → 口径 R。
- 其余一切情形（含来源无法判断）→ 默认口径 V。理由：R 的两个触发条件都是限定性的 （"from reference audio are directly reused" / "explicitly requests"），V 对应的是 "user-provided spoken content" 这一默认形态；拿不准时套更严格的保真侧不会产生假阳性扣分， 反之则会系统性地误放对白改写。
- 同一产出台词混着两类来源 → 逐句适用各自口径（TS-18 即这种混合输入）。
反向约束（防止两个方向的误判）：
- 口径 R 下不得以"逐字保真"为由保留 emoji/波浪号/重复装饰标点，也不得漏掉终止符 —— 在 R 的 作用域里那才是违规。
- 口径 V 下不得以"规范化书写"为由给无终止符的台词补句号（conv-mtabpqx9 反例
[Chinese] 你出去看看。就是这类），也不得删掉已有感叹号（TS-11）。 - 两口径共用的不变量：源词与原语言永不改写、
<d>内只放语言标签与台词、听不清写[unclear]而不是猜（R 明文规定；V 侧按同类逻辑以内部规范 B 延伸适用）。
判分落点：D5 档位表重写为两套子表（见 §三 D5）。
C3 阻塞场景计分方式（正式定案：双轨分开计量 + 阻塞报告实体化判分）
问题（承接 fde_report_v2 §四.1 / evolve_report_v2 §5.5）：v2 §3.3 让"正确阻塞"的其余维度全部 按 N/A 记满分 → 该场景得 100，与"完美达成"的 Prompt 产出并列，12 场景里 10 个满分，分布无区分度。
定案方案：双轨分开计量 + 阻塞报告实体化判分（否决封顶系数方案，理由见下）。
(a) 场景声明轨别：test_scenarios_v3 每条场景新增元字段 "expected_outcome": "prompt" | "block"，
由场景设计者依据输入是否存在「必需素材不可用且无替代」预先声明；评测时若实际触发条件与声明不符，
以实际条件为准并在评分记录里注明轨别变更原因。
(b) block 轨不再使用"N/A=满分"，改为对阻塞报告本身实体打分（满分 100）：
| 检查项 | 分值 | 判据 |
|---|---|---|
| B1 缺失素材点名 + note 证据 | 25 | 报告必须点名哪条素材缺失/不可用，并复述触发它的 note 关键证据（如"AI生成水印+飞书角标，出片前必须换洗版"）；只说"素材有问题"不给证据 → 该项 ≤10 |
| B2 零污染引用 | 25 | 报告与附带产物中的 references/conditions 不得包含任何不可用素材；否则该项 0 且沿袭 v2 的 D7 硬错误下限（总分上限 70），与其他折中行为同判 |
| B3 补料预案 | 20 | 说明拿到清洗版/替代版后如何继续：预期的 references 顺序、每条资产的主体绑定映射（哪张图绑哪个 Subject/是否 Picture 锚点）、预计模式不变性；只报"缺料等通知"而无预案 → ≤10 |
| B4 schema 冲突显式说明 | 15 | 若输出 schema 没有错误通道，须明说"schema 与素材要求不可同时满足"；若格式允许则按调用方要求的错误格式输出 |
| B5 阻塞范围精确 | 15 | 只对必需且不可替代的素材报阻塞：不多报（把有替代或非必需素材也一并报死，≤8）、不少报（漏掉另一条同样必须替换的 note，≤8） |
block 轨得分 = Σ(各项实得分)，不做加权折算（五项即总分构成）。折中行为（报阻塞的同时又附一个 引用了不可用素材的 Prompt）照旧按最严重一侧判：block 轨 B2 = 0 + prompt 轨照常评分并触发 D7 上限 70。
(c) 记账与达标条件分开：
prompt 轨成绩 = 该轨全部场景按 v2 加权口径 (Σ 维度得分/5 × 权重) 所得分数的均值
block 轨成绩 = 该轨全部场景 B1-B5 得分的均值
部署达标条件：prompt 轨均值 ≥ 90 且 block 轨每一个场景 ≥ 85 且 全部场景零静默引用
汇报口径：两轨数字分别呈现，禁止合并成一个平均分
(d) 为什么不用封顶系数（例如"正确阻塞封顶 88"）：那会把唯一正确的安全行为压到 90 及格线之下， 制造逆向激励 —— agent 有动力为了冲部署线而强行产出 Prompt（随即触发 D7 上限 70），排序结果反而 奖励了错误行为。v2 的病根不是"阻塞不该得高分"，而是把两种性质不同的满分倒进了同一个平均数， 治本是分账，不是压分。同时 block 轨实体化后（B1-B5 很少有人全满），"高质量阻塞报告"与 "刚好合格的 Prompt"也不再天然并列 —— 原来 §5.5 提出的两个关切都被同一组机制解决。
(e) 与 §三 各维度的衔接：D7 仍在 prompt 轨内用于判"触发阻塞条件后的错误产出"（静默引用、 降级剔除），block 轨的出现不影响 D7 自身的 5 档标准与 70 分上限；N/A=满分的惯例今后只在 prompt 轨 内适用（如无声场景的 D5），不再适用于"整个产出是阻塞报告"的情形。
三、逐维度评分标准（每维 1-5 分，加权 = 维度得分/5 × 权重）
标注
[v2继承]的档位文字与 benchmark_v2.md 完全一致；只列发生变化的档位全文。
D1 官方输入模式覆盖度（权重 20，核心锚点）
| 分数 | 判据 |
|---|---|
| 5 | 模式识别正确（单一或组合）；Ref2VA 场景下 subject_definitions/summary/retention_analysis 三字段齐全具体；[v3] 所有非锚点参考图都在某条 <Subject N> 定义句中以 <Picture M> 序号内联引用其来源（C1），全部素材序号均被认领，无幽灵编号 |
| 4 | 模式与三字段正确，但 1 处轻微偏差：某个立绘/道具来源用了文字指代（"as established in the NPC portrait"）而非序号引用，或一个 Source 序号未在正文任何条目中被引用但不影响理解 |
| 3 | 方向大致对但结构对不上官方：未用官方字段名；或多张立绘被写成独立 <Picture N> 定义条目（违反 ref-en.txt:68）；或同一素材既被序号引用又被另行独立定义造成重复认领 |
| 2 | 模式误判（含 FL2VA ↔ Ref2VA 字段结构混用）；[v3] 或出现官方四标签以外的编号词法（object/background）承担主体识别职责 |
| 1 | 完全没有模式意识；Ref2VA 三字段全缺；或参考素材只被当背景描述带过 |
出处：A 级 ref-en.txt:26-34/:37/:62/:68/:313 + SKILL_official.md:14；等级 C 收口项已在 §二 C1 标注。
D2 结构化字段完整性（权重 10）—— [v2继承]，五档不变，无修改。
D3 声音设计完整性（权重 10）—— [v2继承]，五档与 N/A 精确条件不变，无修改。
D4 具体性 vs 空洞质量词（权重 10）—— [v2继承]，五档不变，无修改。
D5 对白逐字保真与 <d> 格式（权重 10，硬性规范）—— v3 重写（C2 双口径）
前置步骤：逐句判定台词来源 → 选口径 V 或 R（§二 C2 判定顺序）。
口径 V 五档（用户提供台词，包括 TS-09/TS-11 类场景）：
| 分数 | 判据 |
|---|---|
| 5 | 全部对白在 <d> 内、只含语言标签+原始台词；原词、语序、每个原始标点逐字保留；(Sx) 编号稳定并与发声者一一对应；说话方式/音色/动作都在 <d> 外 |
| 4 | 格式与保真完全正确，仅 1 处轻微瑕疵（如 (Sx) 首次出现未注明音色特征但不影响辨识） |
| 3 | 1 处格式/保真问题但不改变台词语义（漏闭合标签、明显笔误式空格差异） |
| 2 | 擅自改动台词：补句号/感叹号/省略号、删除或替换原有标点、改用词、翻译、补词 |
| 1 | 对白未用 <d> 包裹，或台词被大幅改写/翻译/语义改变 |
口径 R 五档（参考音频复用 / 要求 reperformance）：
| 分数 | 判据 |
|---|---|
| 5 | 源词与原语言逐字保留；听不清处写 [unclear]；标点标准化为基础书面标点，emoji/波浪号/重复装饰符号已清除，完整句在 </d> 前有 ./?/! 终止符；(Sx) 用法符合全局顺序 |
| 4 | 标准化完成，仅 1 处轻微残留（如一处无害的重复逗号已被合并但保留了一个书名号） |
| 3 | 保留了部分装饰标点（波浪号/emoji 二选一未被清掉），或 1 处终止符缺失；词与语言未被改动 |
| 2 | 以"保真"为由整体照抄装饰标点不做标准化；或有终止符的大量整句缺失；或把听不清处猜写成具体词 |
| 1 | 改写/翻译源词与原语言；或整个声道内容被臆造而非复用 |
混合输入场景（两类来源并存，TS-18）：逐句取对应口径档位后取算术平均再折算成本维得分。
双说话人 / 编号稳定性判据（两口径通用，v3 新增，A 级出处）：
(Sx)按目标视频中实际发声事件顺序分配一次，跨镜头保持同一 ID；多个已编号说话人齐声/合唱时用 合并 ID 如(S1,S2)；从不发声的角色不获得说话人 ID。（base-en.txt:127；ref-en.txt:278）(Sx)写入detailed_description，不写入retention_analysis。（ref-en.txt:278）- 画外音用固定短语
says in an off-screen voiceover，且每个画外音<d>块之后紧跟声明相应在场角色 嘴唇保持闭合；同一主体再次以画外音形式发声时保留同一形式并标记off-screen。 （base-en.txt:136/:139；ref-en.txt:266）
硬错误下限（沿用 v2）：命中任一口径的 1-2 档核心违规（<d> 未包裹、源词/语言被改写、V 口径下
标点被擅自增删）→ 总分上限 75。
D6 运镜与镜头语言一致性（权重 10）
[v2继承] 五档（单镜头主导运镜唯一、"唯一光源"真的唯一、跨字段一致、Shot 编号与时间戳连续）之外，
v3 增补以下三项检查进入判据锚点，出处严格标注：
| 增补检查项 | 判分影响 | 出处等级 |
|---|---|---|
| 多镜头剧情保真：给定完整故事情节时，分镜不得改写情节走向（不得新增角色动机/结局/关系变化），台词保持原语言逐字 | 计入 2 分档（情节被实质改写时） | B/C：官方只有"细节须与用户意图一致"的最接近条款（base-en.txt:172 T2VA Case 1）与反向条款（ref-en.txt:207 别把新增情节当保真损失），「情节不被改写」是我们从这两条收口出的内部标准，不是官方逐字条款 |
| 人物出场过程：重要主体首次清晰出现时描述位置与当前动作（ref-en.txt:246 已含此义）；「必须有进入方式/不得凭空现身」是 v2 D6 内部标准的延续 | 计入 2 分档 | B：前半句 A 级（ref-en.txt:246），后半句内部规范（benchmark_v2 D6 原有，继续如实标注） |
| 道具/关键物跨镜头连续：道具位置与状态不得无交代跳变 | 计入 2 分档 | B：官方仅有一个相邻一致性语句（base-en.txt:54 I2VA 语境）与 Ref2VA 保框架（ref-en.txt:165-170），跨镜头连续性检查仍是内部增强 |
D7 素材可用性预检、资产层保真与阻塞报告（权重 10，生产级硬行为）—— v3 增补资产层义务
[v2继承] 预检 note、职责声明、阻塞双向判据全部保留；v3 新增 资产层义务（C1）计入本维度：
| 分数 | 判据 |
|---|---|
| 5 | 逐项预检全部素材 note；[v3] 每条参考素材原 url 原样保留进资产层（conditions[].uri / references 数组），数组顺序 = 输入菜单原始顺序，url 从不出现在正文层；全部素材职责声明清楚；必需素材不可用且无替代时按 C3 流程产出合格阻塞报告 |
| 4 | 预检完成、url 齐全，但有 1 处轻微问题：顺序有一处与菜单不一致但绑定关系仍然可推断；或 1 处职责声明略含糊；或轻微 note 处理不彻底但未引用污染素材 |
| 3 | 识别到 1 处素材不可用但降级处理（剔除而不报阻塞）；[v3] 或 url 改链/下载替换后再传（破坏可追溯性）；或缺 1 条资产的 url |
| 2 | 识别到不可用素材但仍静默引用；[v3] 或把参考素材 url 直接写进正文提示词文本 |
| 1 | 完全未预检，全部素材堆进资产层；或无视「必须替换」型 note 引用污染素材 |
硬错误下限（沿用 v2）：必需素材不可用且无替代时静默引用 → 总分上限 70。 注意（C1 衍生的易错点）：给带水印素材保留原 url 进资产层 ≠ 可以引用它 —— 数据完整性与 可用性判定是两回事；评测时 B2/D7 双向都会盯这一点。
D8 意图忠实与扩写边界（含输入冲突解决）（权重 10）—— [v2继承]
子块 A 冲突解决 / 子块 B 扩写边界五档全部沿用 v2（含「被阻塞」与「主动跳过/臆造」的有意语义细分， 即使行业惯例常合并处理，v3 继续保留该区分度）。
D9 输出前机械校验（权重 10）—— v3 修正口径 + 新增词法纪律
判据锚点在 v2 基础上做两处修改：
- 顺序命题重述（取代 v2 的"references 顺序与
<Picture N>完全对应"）：机械校验改为验证 references 数组顺序 = 素材原始菜单顺序 = 模型自动编号顺序；正文层校验的是「每个出现的<Picture M>/<Video M>/<Audio M>都能在资产层找到对应位置的素材、且每个素材至少被认领一次」，而不是 「与 Picture 定义条目一一对应」。（等级：机制性证据 chat_template.json + 内部规范 B，见 §二 C1） - 正文层词法纪律（v3 新增，C1）：正文只允许
<Subject/Picture/Video/Audio N>与(Sx)两族记号；出现object 1、background 2、picture 3等官方外编号词法即为机械校验失败。
| 分数 | 判据 |
|---|---|
| 5 | 机械项全过：段落齐全顺序正确、字段名精确、标签编号一致且全部被认领、references 顺序 = 菜单顺序 = 自动编号顺序、立绘仅作 Subject 来源绑定、正文无官方外词法、JSON 可解析、无占位符、无 schema 外字段 |
| 4 | 1 处非核心机械问题（字段名大小写不规范但可解析、1 个序号在正文中被引用两次等） |
| 3 | 2 处机械问题，或 1 处中等结构问题（缺一段、references 顺序错位一处以上、出现一个未被认领的幽灵编号） |
| 2 | ≥3 处机械问题，或字段名错误、JSON 不可解析、留有模板占位符、[v3] 出现官方四标签以外的编号词法 |
| 1 | 结构混乱，无法识别为合规输出 |
四、总分计算方法
4.1 prompt 轨
加权和 = Σ(维度得分/5 × 维度权重) （满分 100，v2 公式不变）
N/A 处理：仅当"该维度对应的违规行为在该产出中根本不可能发生"（如无声场景的 D5）时记满分，
且仅适用于 prompt 轨 —— C3 生效后，阻塞报告不得借 N/A 拿满分。
4.2 封顶（v2 三道上限全部保留）
D1 封顶：D1 ≤ 1 → 上限 40 ； D1 = 2 → 上限 60 ； D1 ≥ 3 → 不封顶
D5 硬错误下限：命中口径 V/R 任一的 1-2 档核心违规 → 上限 75
D7 硬错误下限：必需素材不可用且无替代时静默引用 → 上限 70
最终得分 = min(加权和, 所有已触发的上限)
4.3 block 轨
得分 = B1-B5 实得分之和（满分 100，§二 C3 表格），不套用九维度、不适用 N/A、封顶规则不适用 （静态引用污染已在 B2 归零并单独触发 prompt 轨的 70 上限）。
4.4 判定等级与达标线（passing_score = 90 沿用）
| 分数区间 | 等级 | 处置 |
|---|---|---|
| ≥95 | 优秀（目标线） | 达到训练收敛目标，可部署 |
| 90-94 | 合格（硬性部署线） | 达到部署门槛 |
| 75-89 | 待改进 | 需补齐薄弱项重评 |
| 不合格 | 结构性缺失或硬错误触发封顶 |
部署达标条件（C3）：prompt 轨均值 ≥ 90 且 block 轨每场景 ≥ 85 且 全场景零静默引用。 两轨分数分开汇报，不合并。
五、判据出处对照总表（新增判据逐一登记）
| # | 判据 | 等级 | 出处 |
|---|---|---|---|
| 1 | 参考素材通道为 conditions[]、url 在 uri，官方无 references 数组 |
A（+机制） | README.md:272/:285、reproducible-768p-ref2va-request.sh:11-32、chat_template.json |
| 2 | 资产层义务：逐张保留原 url、顺序 = 菜单顺序、url 不进正文 | A + B（细则为内部规范） | README.md:272；细则为本基准制定 |
| 3 | 官方四标签 only，禁止官方外编号词法 | A | ref-en.txt:26-34、SKILL_official.md:14 |
| 4 | 场景图 = 独立 Picture 锚点 | A | ref-en.txt:62 |
| 5 | 立绘/风格图不作独立 Picture 条目，在 Subject 定义句内引用 | A | ref-en.txt:68、L313 范例 |
| 6 | 内联引用须用序号标签，不接受文字指代 | A + C | ref-en.txt:37（"cite it inside"）+ L313 文风范例；"必须用序号 token"是我方收口解释 |
| 7 | 幽灵编号禁令 | C | 内部收口规则，官方无逐字条款 |
| 8 | references 顺序 = 菜单顺序 = 自动编号顺序（取代一一对应命题） | 机制 + B | chat_template.json（图片按请求序列自动编号）+ 内部重述 |
| 9 | 输入自带绑定规则时按输入走 | B | master 决策 3 保留分句 |
| 10 | 标点口径 V（verbatim） | A | base-en.txt:129 |
| 11 | 标点口径 R（standardize + 终止符 + [unclear]） |
A | ref-en.txt:274 |
| 12 | 口径判定顺序（先判来源，默认 V）与逐句适用 | B | 本基准裁决条款，基于两条官方条文的作用域措辞 |
| 13 | 双说话人稳定 ID / 合并 ID / 无声者无 ID / (Sx) 不进 retention |
A | base-en.txt:127、ref-en.txt:278 |
| 14 | 音频 Audio N 绑 speaker：<Subject N> (Sx)，ID 取目标视频全局顺序、不重新编号；Video/Audio 独立编号；普通视频含声不自动生成 Audio N |
A | ref-en.txt:100/:110/:112/:92-118 |
| 15 | 画外音固定短语 + 唇部闭合声明 + off-screen 保留形式 | A | base-en.txt:136/:139、ref-en.txt:266 |
| 16 | 多镜头剧情保真（情节不被改写） | B/C | 相邻条款 base-en.txt:172、ref-en.txt:207；具体判据为内部收口 |
| 17 | 人物出场过程（位置+动作 A 级；"必须有进入方式"内部） | A + B | ref-en.txt:246 + benchmark_v2 D6 内部标准 |
| 18 | 道具跨镜头连续 | B | 相邻条款 base-en.txt:54、ref-en.txt:165-170；连续性检查为内部增强 |
| 19 | JSON 序列化通道可解析性 | B（内部工程规范） | 官方文本只描述正文怎么写，无 JSON 通道条款（knowhow_v3 §5 ③），评测时不得称官方依据 |
| 20 | 阻塞报告 B1-B5 五项、双轨记账、达标条件 | C（构造性设计） | 本基准裁决，针对 fde_report_v2 §四.1 提出、无可参照先例 |
| 21 | 素材上限合计 ≤ 12 文件（9 图 + 3 视频 + 3 音频之下的总闸） | A | README.md:85 |
六、行业基准纪律（诚实标注，不编造行业数字）
延续 baseline_target.md §一 的判断：h3-video-prompt 是针对单一官方模型的写作方法论技能， 不存在可抓取的第三方行业平均分（官方仓库是规范文档不是打分语料库；飞书标杆文档自首轮起三次尝试 均在登录墙失败；MiniMax 开放平台文档本轮仍不可达）。因此 v3 按公司训练纪律执行：
v3 新增判据（#2/#6/#7/#8/#12/#16/#18/#19/#20 等）一律标注构造性设计，用两条线代替行业平均分：
- 当前真实水平基线：就这些新判据而言尚未测量——v2 十二个场景没有一个包含它们（evolve_report_v2 §5.4 明确列出双说话人/音频素材/画外音/出场过程/道具跳变/JSON 通道在本轮全部未被触发），所以当前水平 不是 99.67 也不是任何已知数，如实记为未知。这是诚实基线，不许拿旧维度的高分替新维度背书。
- 目标线：95（沿用 baseline_target.md §四 target，即"优秀档下限"而非满分样本）。
- 观测计划：下一轮 Evolve 用 test_scenarios_v3 的 TS-13~TS-18 首跑真实产出回填，把"未知"换成 实测分布；那时才谈得上把构造性判据换成校准过的判据。
沿用 v2 有真实先例维度的记录（industry_avg 信息的替代物，不虚构）：
| 维度 | 先例状态 | 参考线 |
|---|---|---|
| D1-D4 | 多信源 + v1 已校准（knowhow §1.1/§4/§5）；实测层面在两轮重训中从未失分 | 基线 99-100（v1/v2 两轮实测区间）、目标 95 |
| D5 | 1 个真实先例（conv-mtabpqx9：[Chinese] 你出去看看。）+ TS-11 修复证据 |
先例失败态=档 2；修复态=100 |
| D6 | 1 个真实先例（static shot with small amplitude shake） | 同上 |
| D7 | 1 个真实先例（水印 scene 图被静默引用），"正确阻塞"侧至今 0 条真实产出样本 | 静默引用=档 2 → 上限 70；正确阻塞侧按 C3 单独计量 |
| D8 | 1 个真实先例（光源矛盾 + 擅自加剧情） | — |
| D9 | 1 个真实先例（结构正确但缺固定检查清单） | — |
| block 轨 B1-B5 | 0 个真实先例（纯构造性设计，本轮新设） | 目标线 85/场景，首跑回填实测 |
七、场景覆盖矩阵（v3 验收自查）
| 要求覆盖项 | 场景 | 出处标注情况 |
|---|---|---|
| Ref2VA 带 url 资产层 | TS-09 / TS-12 / TS-13 | A + B |
| 多镜头剧情保真（master 需求 3） | TS-14 | B/C 标注 |
双说话人 (S1)/(S2) 跨镜稳定 + 合并 ID |
TS-15 | A |
| 音频素材 Audio N 锚定含 speaker 绑定 | TS-16 | A |
| 画外音 off-screen voiceover | TS-17 | A |
| 标点双口径 · 口径 V（verbatim） | TS-09 / TS-11 / TS-14 | A |
| 标点双口径 · 口径 R（standardize） | TS-18 | A |
| JSON 通道可解析性（内部规范） | 全场景 + TS-13 显式 | B |
| 人物出场过程 / 道具跨镜连续（内部增强） | TS-14 | A+B / B |
| painted_skin_room 真实样例 | TS-09（整样例升级，含 note 原文与指定版本 tag） | 真实输入 |
| 已知会失败的判别样本 | TS-09（预期正确行为=阻塞）/ TS-18（R 口径下照抄装饰标点应得低分） | — |
三处遗留拍板（标签映射 / 标点作用域 / 阻塞计分）均已给出结论，见 §二 C1/C2/C3； 无待议项。