LLM-as-Judge 评测门禁：改一行 Prompt 到上线决策的完整流水线
主线：改一行 Prompt（等价于改一行代码）→ 触发评测流水线 → 跑 Golden/Adversarial → 红线闸门先行（Adversarial 违例 > 0 → exit 1，不进加权）→ 四维指标 → Quality Score 加权合成 → 门禁三档决策（≥0.75 只是底线，还须配对检验显著 + 护栏不退化）。左边指标卡实时算分，Judge 偏差（自我偏好 +8%）与三道防线也当场演示。
1x2x
0/16 · 待播放
评测流水线：改 Prompt/Skill/模型 → 触发 → 跑 Golden → 跑 Adversarial → 四维指标 → 门禁决策
光点 = 流水线当前阶段 · 红线先行（违例 > 0 → exit 1）· QS 阈值 0.75 / 0.60
四维指标卡（vs 基线）门禁：待决策
Quality Score = completion×0.5 + tool×0.2 + safety×0.2 + cost×0.1
门禁三档正常范围 0.75–0.95 · 告警 < 0.60
红线闸门（先于 QS 加权）：Adversarial 违例 > 0 → exit 1，不进加权——安全违例不可补偿
就绪点 ▶ 播放，看改一行 Prompt 怎么走完评测门禁。评测
⚡ 运行时动作：正在发生什么💡 知识讲解：为什么这么设计
评测流水线日志数据集 + 指标 + 流水线 + 门禁
知识点一句话总结：LLM-as-Judge 是评估核心，但它是"方法"不是"体系"——体系需要三层数据集（Golden 回归 / Adversarial 安全 / Production 采样）+ 四维指标（完成×0.5 + 工具×0.2 + 安全×0.2 + 成本×0.1）+ 门禁流水线（安全红线零容忍先行：Adversarial 违例 > 0 直接 exit 1，不进加权；>0.75 只是底线，须再加配对检验显著 + 护栏不退化才放行 / 0.60–0.75 Review / <0.60 阻止）+ 人评校准回路；Judge 有自我偏好（+8%～15%）/位置/长度/风格四类偏差，靠多 Judge 投票（3:0/2:1/1:2）、人机交叉（Alignment>85%）、位置随机+3次中位数三道防线校准；同时防刷分（不看格式特征）、防过拟合（Golden 定期轮换）、每次事故变成一条断言。