round_outputs_v3.md 18.9 KB

version: v3 date: 2026-08-27 task: T-mtb75m8u role: 逐场景产出与得分依据 + SKILL v0.3.0 → v0.4.0 条文增删对照 artifacts: train/evolve/_v3_artifacts/{inputs,outputs,scores}(全量原始交付物与评分记录)

round_outputs_v3

一、执行方式(可审计性说明)

  • 输入脱敏:执行实例只拿到 {id, mode, difficulty, raw_brief, asset_menu},不含 scoring_points、 expected_outcome、why_this_mode(防泄题)。脱敏后的输入存档在 _v3_artifacts/inputs/, 可与 train/digest/test_scenarios_v3.json 逐条 diff 核对。
  • 盲评:18 条由 6 个执行实例并行产出(互不知晓彼此产物);3 个评分实例按 benchmark_v3.md 打分; Evolver 复核全部算式、统一反问清单型判分口径、并将迭代 2 的三处增补定向复跑 TS-04/16/17。
  • 每一条的完整原文与完整评分表都在 _v3_artifacts/,下表是压缩视图;分数算式以 scores/*.md 为准,本文只给维度级差距。

二、逐场景最终成绩(两轨分开)

prompt 轨(16 条,均值 93.88 = Σ1502/16)

id 交付形态 关键处理 最终分 维度扣分点(带差距)
TS-01 澄清件(一次性 8 问清单,不出 Prompt) 核心主体(哪款手办)未知 → 按 §10.1 反问且拒绝编造外观;分支预判 T2VA/I2VA/Ref2VA 72.0 D1 −4.0(预判正确但未行使 T2VA 文本原创路径);D2/D3/D4/D6 各 −6.0(正文零落地——反问清单型场景按实体化口径记义务未履行);D5/D7 合法 N/A
TS-02 I2VA 提示词 海报图 = <Picture 1> 构图锚点兼外观来源;静止→转圈→倾倒时间线落进 integrated_multimodal_description;假设(约 10s、轻快 pop 配乐)显式标注 100.0 无扣分。指令行占位符已解析;资产层因输入未带 url 显式留空
TS-03 FL2VA 提示词(优先单镜) 两图纯起止锚点 → 不升级 Ref2VA;Picture 2 (from Shot 1) aligns with the 15.00-second mark 数值已替换;中间过程不添剧情结论 96.0 D4 −2.0(只有 natural domestic daylight,光源方位未交代到三问精度);D9 −2.0(指令行裸写 Picture 1 与正文尖括号 <Picture N> 同文档两种形态混用)
TS-04 L2VA 提示词(r2 复跑版) 尾帧反推;登坡→收敛→定格锁进 <Picture 1> 构图; Tracking Shot 减速呼应"逐渐抵达";资产层成表 + url 待补显式标注(§3.4) 98.0 D7 −2.0(输入本身未携带 url,档 5 结构性不可达,处置方式已正确)
TS-05 Ref2VA 六字段提示词 + 资产层 手表 = 外观来源、口播视频 = 人物形象/身份锚定,职责分立进 summary 与 retention_analysis;两条素材在 Subject 定义句内序号内联认领;任务类型仅 reference generation 100.0 无扣分;url 字面含 <OSS> 占位符逐字保留
TS-06 Ref2VA 六字段提示词 + 资产层 三张不同角度鞋图收敛为同一个 <Subject 1>(ref-en.txt:48),分正面/侧面/外底三职责内联引用;dance 视频 = <Video 1> 动作语汇来源不作剪辑源;时长按低风险推定 10s 双镜 98.0 D6 −2.0(推定总时长只在交付说明,正文无总时长声明,多镜头时间线右端未闭合)
TS-07 澄清件 主体/场景/动作/基调/时长/素材/schema 八问一次列全 + 模式预判 70.0 D1 −4.0(预判漏 L2VA 分支);D8 −2.0(素材追问未覆盖 note/版本约束——正是 TS-09/12 证明的高频阻塞源);D2/D3/D4/D6 各 −6.0(同 TS-01 实体化口径);D5/D7 合法 N/A
TS-08 澄清件 矛盾运镜给出方案 A(拆镜 Push In→Arc Shot)/B(单一主导留 Arc Shot)二选一并说明;"8K电影感"元指令转译为低角度侧逆光高光带、尘埃光柱等具体实例 76.0 D1 −4.0(预判收缩至两分支);D4 −4.0(转译有局部示范但不成体系);D6 −2.0(拆解未写成可执行正文);D8 −2.0(素材追问缺 note/版本约束);D2/D3 各 −6.0
TS-09 block 报告(五要素) 预检命中:scene 带 AI 生成水印+飞书角标、note 要求换洗版而菜单内无清洗版 → 必需+不可用+无替代 → 停止产出 Prompt;excluded 单列,npc/player 为版本要求且有正确版(model_sheet_face / constable_model_sheet_face)继续可用 100.0 B1 点名 scene + note 关键证据逐字摘录(25);B2 交付数组零污染、数据完整性清单单独展示(25);B3 预案含 references 顺序 scene→npc→player 与逐条绑定映射 + 蜡烛未点燃最小改动 + 台词口径 V(20);B4 固定 schema 无 error 字段显式声明冲突(15);B5 只对 scene 报阻塞不多不少(15)
TS-10 T2VA 提示词(全程静音空镜) overall_soundscape 按官方精确条件显式 N/A(用户明确要求完全静音)、non_diegetic_music 显式 N/A 不留空;"极简"转译为三元素构图 + 具体降温四段可观察变化 100.0 无扣分
TS-11 T2VA 提示词 <d>[Chinese] 别过来!</d> V 口径感叹号逐字保留;反应中性短暂开放不加剧情 96.0 D2 −2.0(5 秒时长未写入正文);D5 −2.0((S1) 只在交付说明声称,未落进 detailed_description)
TS-12 block 报告(五要素) 区分三类 note:product_A 必需且无清洗版 → 阻塞;endorser_B 有替代 → 选 real_face 版;scene_C 正常使用 98.0 B3 −2.0(预案里写了输入中不存在的"logo 蚀刻在表盘右下角"产品细节——阻塞报告侧的扩写边界纪律,本轮未新增条文,见 evolve_report §五.1)
TS-13 Ref2VA 六字段 + 资产层(资产层专项) 四件素材各就各位:teahouse = 独立 <Picture 1> 锚点、host 立绘与紫砂壶各绑 <Subject N> 并内联序号认领、brand_cut = <Video 1> 仅剪辑节奏(weak_reference);teapot 走 Subject 不造 object 标签;四条 OSS 原 url 逐张保留顺序 = 菜单顺序 100.0 无扣分;无幽灵编号、url 零出现在正文层
TS-14 T2VA 多镜头提示词 三镜覆盖"灯摊—桥边遇阿禾—并肩走向深处",情节走向零改写、无新增动机/结局;两句台词 V 口径逐字(问号、句号分别原样);李慕白 (S1)、阿禾 (S2) 按发声事件顺序分配;白梅交接后跨镜携带有过渡、兔子灯留在第一镜;时间戳连续无缝隙 100.0 无扣分;内部规范判据(情节保真 B/C、出场过程 A+B、道具连续 B)已在评分记录里如实标级
TS-15 T2VA 双说话人提示词 姐姐=(S1)、弟弟=(S2) 按发声事件顺序;齐声喊用复合 ID (S1,S2);邻居大爷全程不发声、零说话人 ID 且正文明写闭口;弟弟嘀咕沿用 (S2);(Sx) 只在 detailed_description 与 Speaker 定位语 100.0 无扣分
TS-16 Ref2VA 音频锚定提示词 + 资产层(r2 复跑版) <Audio 1> is the voice-timbre reference for <Subject 1> (S1)… 官方绑定形式内联落入定义句;女和声不入画 → 稳定声音描述 + (S2);<Video 1> 与 <Audio 1>/<Audio 2> 各类独立计数;street_dance_clip 含人声但未额外造 Audio N;三条 url 进资产层顺序 = 菜单顺序 98.0 D6 −2.0([Shot 2] 只有切镜描述,主导运镜/锁定状态未显式声明)
TS-17 T2VA 画外音提示词(r2 复跑版) says in an off-screen voiceover 七词连续无插语 + 紧跟 while his lips remain completely closed 并加全片级闭唇约束;回忆中同一人物画外再现保持同形式标 off-screen、回忆里年轻人 on-screen 开口另领 (S2);两句台词 V 口径逐字(句号与省略号……均原样);30s 超官方 4-15s 推荐区间的风险与裁剪预案如实标注 98.0 D6 −2.0([Shot 2] 正文无镜头状态动词,「特写锁定」只写在交付说明)
TS-18 Ref2VA 双口径混合提示词 + 资产层 歌词 R 口径:源词「真滴好好喝」不改写为"真的很好喝"、波浪号~~/颜文字 (ง •̀•́)ง✧/重复感叹号清除、</d> 前补终止符 !;顾客评价文本 V 口径:「今天这杯真不错」一字一标点不动(未被顺手规范化)——两口径逐句适用互不污染;coffeeshop_bg 作 weak_reference 来源被 Subject 定义句序号认领,非幽灵编号 100.0 无扣分。反向校验通过:既没有对歌词做全量 verbatim,也没有对评价文本做标准化

block 轨明细(禁止并入 prompt 均值)

TS-09 = 100/100   (B1 25 + B2 25 + B3 20 + B4 15 + B5 15)
TS-12 = 98/100    (B3 −2,见上表)
部署条件:block 轨每场景 ≥ 85 → ✅

三、"已知会失败的判别样本"验证(基准判别力自证)

场景 设计意图 本轮结果
TS-09 以 v1 式行为静默引用带水印 scene 图应触发 D7 上限 70 / block B2=0 技能实际选择阻塞(B2 满分、零污染),错误路径未被踩中 —— 区分度体现在"若静默引用则必然 ≤70"的机制仍在,但本轮无人触发该惩罚分支,属正向通过而非判别力证明
TS-18 若把 R 当 V 用(歌词装饰符号照抄)/ 把 V 当 R 用(评价文本被规范化)应各自记档 2 并触 D5 上限 75 两个方向都未发生(R 清理到位、V 保真到位)→ 未触发上限路径,同样是通过但未经受罚验证

诚实结论:这两条的"必然低分机制"没有被本轮产出实证检验过(因为技能没犯错)。要真正压测判别力, 需要注入一份故意的 v1 式劣质产出跑一遍评分器 —— 本轮未做(训练目标不是测基准而是练技能),留给下轮。

四、SKILL v0.3.0 → v0.4.0 条文增删对照(全部 25 处 diff 块逐条登记)

对照文件:旧 .claude/skills/main_skill/SKILL.md(只读基底)vs 新 train/evolve/SKILL_v3.md。 性质标记:=重写=整段重写;=新增=原无此条文;=改述=语义改写但落点相同;=未动=明确不动。

# 章节 v0.3.0 v0.4.0 性质 动机 / 出处
1 frontmatter version version: 0.3.0 … + v0.3.0_changes version: 0.4.0 + 六点 v0.4.0_changes + supersedes 线上文件声明 改述+新增 任务书要求(版本记录与防误覆盖)
2 frontmatter source 仅记 2026-08-25 fetch 补 Digester 2026-08-27 独立复抓 sha256 三方一致 新增 引文独立性证据链
3 §0.5 工作流总览表 第 2 步落点 §0.5.2;第 5 步 §6;第 7 步"11 项清单" 加 §0.5.9(数量上限)落点、第 5 步注明含双口径、清单改为 12 项 改述 修订点 2/4 连带
4 §0.5.1 第 3 项 "参考素材顺序和对应的 <Picture N>" 改述为"资产层顺序与每份素材的落位"(独立 Picture 锚点 / Subject 内联 / Video / Audio 四种去向) 改述 C1 两层模型
5 §0.5.1 第 4 项 "Subject 与人物立绘的绑定关系…是否另起 Picture 条目" 扩展到所有素材类型的外观/动作/音色来源绑定 改述 C1
6 §0.5.1 第 5 项 台词逐字记录 增加"逐句判明台词来源 → 口径 V/R(来源不明默认 V)" 新增内容 C2
7 §0.5.2 处理规则 只有 5 条 新增第 6 条:数量超限先告知调用方再裁剪 新增 修订点 4(README.md:85)
8 §0.5.2 注意点 阻塞时"可顺带列出预期 references 顺序与绑定" 展开为"预期 references 顺序、每条资产的主体绑定映射、预计模式不变";并新增"数据完整性 vs 可用性两回事"警示块 改述+新增 C3(b) B3 要素 + C1 衍生易错点
9 §0.5.5 整节 全局禁令:"不擅自添加/删除/改动标点"+三句核心 重写为双口径作用域条款:V/R 对照表(两条官方原文逐字 + 行号)、来源判定顺序四步、双向反向约束、共用不变量 重写 C2(base-en.txt:129 / ref-en.txt:274)
10 §0.5.6 补注 无 加一句指向 §5.3 的出处分级说明 新增 修订点 5 出处纪律
11 §0.5.7 标题 11 项固定清单 12 项固定清单(v0.4.0 由 11 项扩充) 改述 新增词法/总量机械验收
12 §0.5.7 第 3 项 只查 Subject/Picture 扩展到 Video/Audio 四标签全部定义一致性 改述 C1
13 §0.5.7 第 4 项 "references 数组顺序是否与 <Picture N> 完全对应" 改述为"references 数组顺序 = 素材原始菜单顺序 = 模型自动编号顺序"+ 废弃一一对应命题 + 原 url 未改链检查 改述(修正旧错误命题) C1 自检口径修正
14 §0.5.7 第 5 项 "人物立绘是否仅作为人物来源绑定,没有错误地另起图片条目" 改述为"非锚点图是否已被某条 <Subject N> 定义句以 <Picture M> 序号内联引用认领;是否存在幽灵编号" 改述 修订点 3
15 §0.5.7 第 7 项 "台词是否逐字保真(含标点)" 改为"按 §0.5.5 双口径逐句判定(V 逐字 / R 标准化+终止符)" 改述 C2
16 §0.5.7 第 8 项 预检不可用素材 增加"资产层保留了原 url ≠ 允许引用它"的双向盯防 新增内容 C1 衍生
17 §0.5.7 第 11 项 JSON 可解析 加 ※ 注释:JSON 序列化通道属内部工程规范(B 级),不得表述为官方规则 新增注释 修订点 5
18 §0.5.7 第 12 项 无 新增:素材总量在 §0.5.9 上限内;正文除官方四标签与 (Sx) 外零其它编号词法(object/background/小写 picture 即失败) 新增 C1 词法纪律 + 总闸
19 §0.5.8 阻塞形态 一段文字要求"四点说明" 展开为五要素表(①点名+证据②零污染③补料预案④schema 冲突⑤范围精确)对标 block 轨 B1-B5,明确标级 C 构造性设计 重写 C3(b)
20 §0.5.9 整节 无 新增:合计 ≤ 12 文件(图≤9/视频≤3/音频≤3 之下的总闸)、出处 README.md:85、超限先告知后行动 新增节 修订点 4
21 §0.6 整节 流程六步(顺序/确定 Picture/确定 Subject "as shown in…" 文字指代范例) 重写为两层模型:§0.6.1(资产层义务清单:原 url 不动、顺序=菜单顺序=自动编号、url 不进正文、输入自带规则优先、完整性≠可用性;正文层:官方四标签 only、禁官方外词法、幽灵编号禁令);三种素材落位表(scene=独立锚点 / 立绘道具=Subject 内联 / 氛围图=weak_reference+序号认领);来源引用官方式序号写法("as established in <Picture 2>.")替代 "as established in the NPC portrait";§0.6.2 流程七步(加总量核对与口径判定) 重写 C1 + ref-en.txt:26-34/:37/:62/:68/:313 + README.md:272 + chat_template.json 机制性证据
22 §2 决策树与易错判断 "最多9图+3视频+3音频";3 张同角度图未给官方行号 决策树入口加"先核总量 ≤12";补 ref-en.txt:48 引证;新增"道具也走 Subject、勿造 object 类标签" 改述+新增 修订点 4 + C1
23 §3.1/§3.4 硬规则仅占位符解析 §3.1 保持;新增 §3.4 基础模式同样有资产层义务(含 url 待补模板) 新增节 Round 2 定向修复(TS-04 D7 −4.0)
24 §4.1 绑定写法 例句 "as established in the NPC portrait" 改为 "as established in <Picture 2>." + 明示不建议文字指代 + 行号 改述(修正官方文风偏差) C1(ref-en.txt:37/:313)
25 §4.3 / §4.4 "(Sx) 不要出现在 retention_analysis""语音来源规则 pro 表述" 补 ref-en.txt:207 与 :278 官方引文;语音来源规则改官方逐字引用 改述 出处标注补齐
26 §5.3 六项自查 平铺六条(人物入场、道具连续无出处标注) 改为带出处分级的表格:第 2 条拆 A 半句(ref-en.txt:246)/B 半句(内部推演);第 3 条标 B 内部增强(base-en.txt:54 相邻条款声明) 重写 修订点 5 出处纪律
27 §6.1(原 §6 第一组) 四个 bullet 的说话人规则 升格为小节 + base-en.txt:127 官方原文逐字 + 操作规则五条 重写 修订点 5 补行号
28 §6.2 整节 无(音频锚定散落在 §4.4) 新增节:Audio N 定义(:92)、speaker 绑定复用全局 ID(:100 逐字)、Video/Audio 独立计数(:110 逐字)、普通视频不自动产生 Audio N(:112 逐字)、绑定写法示例代码块(Round 2 补) 新增节 修订点 5 + Round 2(TS-16 D1)
29 §6.3 对白格式 全局"不擅自添加/删除/改动标点"+画外音示例 重写双口径:V/R 两条官方逐字(带行号)+ 逐句适用 + 来源不明默认 V;画外音固定短语 + 闭唇声明官方引文(base-en.txt:136/:139 + ref-en.txt:266);Round 2 补"七词连续、不得插语打断"与违规反例 重写+新增 C2 + Round 2(TS-17 D5)
30 §8 补注 多镜头剧情保真未提及 增末段:情节不被改写为内部收口标准(相邻条款 base-en.txt:172 / ref-en.txt:207),不得表述为官方逐字 新增 出处纪律(B/C 标注)
31 §9 自查清单 16 条 "对白是否逐字逐标点保真(全局)" 改述为"按来源选对双口径、禁止混用同一句台词" 改述 C2
32 §9 新增 20-22 条 无 20:两层分离 + 词法 + 幽灵编号;21:素材总量上限;22:出处纪律(内部规范不得冒充官方) 新增 C1/C2/C3 收口
33 §9 自查顺序 七步一句"11 项" 改为先总量与阻塞、再逐句口径……最后机械验收 12 项 + 出处纪律 改述 条款连带
34 §10.1 整节 信息不足一次性反问 + 核心主体未知优先反问 原文保持不动,仅加"v0.4.0 注"说明为什么不动 未动(明示) 修订点 6:上轮人工评审收紧结果,无新证据推翻
35 §11 交付清单 三件套 新增资产层清单件(不可用素材 excluded 单列);中文说明增加"逐句台词语句口径注明";11 项改 12 项 改述+新增 C1 + C2
36 §12 来源标注 v0.3.0 依据 新增 v0.4.0 六点增量逐条溯源 + sha256 复核记录 + A/B/C 级标注索引 新增 可追溯性

#23/#28/#29 中标 Round 2 的三处是初稿之后追加的(受实测扣分驱动),其余均为任务书六点的直接落地。

五、遗留(下轮候选,不在本轮回合内修改)

  1. [Shot N] 主导运镜/锁定状态的显式声明强度(TS-16/17 r2 各 −2.0)——建议加进 §5.2 而不是再扩长正文。
  2. 阻塞报告侧扩写边界(TS-12 B3 −2):预案不得写入输入中不存在的产品细节——可在 §0.5.8 表加一行。
  3. 反问清单型场景判分约定需 benchmark 明文化(见 evolve_report §四.2)。
  4. 判别力自证:对 TS-09/TS-18 的"必然低分机制"做一次故意劣质产出注入测试(见本文 §三)。