--- 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) related: evolve_report_v3.md|iteration_log_v3.md|SKILL_v3.md --- # 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 = `` 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 `` 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 `` 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 `` 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 ``(ref-en.txt:48),分正面/侧面/外底三职责内联引用;dance 视频 = `