按完整预期结果核对评分

以下示例与示意结果由本站编写，用于说明方法，不是模型实测结果。

使用场景

修复案例声明五项预期，评分器只返回四条却称五项全通过。完整流畅的summary不能代替规范预期集合与逐项结果的核对。

具体做法

冻结案例身份、预期版本和ID1–5。解析评分对象，要求每个ID恰好一次、范围正确、passed布尔且有证据字段；用规范文字替换评分器改写，保持原ID绑定。拒缺项、重复项和不一致整数摘要；从有效逐项结果重算通过/失败/总数与通过率。再独立检查证据真伪，不能只验证算术。

反例

四条结果看起来很好，summary说5/5就报告100%通过，忽略缺少ID5。

改进写法

对这五项预期先验证ID1–5各一次及布尔结果。缺ID5拒绝完整评分；齐全后从行结果重算摘要，整数计数冲突拒绝，比例以重算值为准。报告绑定原始预期，并核查引用证据，不让评分器省略难项。

为什么这样改

规范集合确定分母，唯一身份确定覆盖，重算确定算术。三者结合阻止模型用漂亮摘要创造不存在的覆盖；语义证据仍是独立门禁。

如何验证

教学ID1–4通过且ID5失败应为passed=4、failed=1、total=5、rate=0.8。缺5、重复4或summary.total=4均拒绝。若只比例误写0.9，可按契约重算0.8，但不能因此修补不存在的行结果。

适用边界

身份和算术检查不证明评分判断正确，也不校准模型。空预期集合或新的状态枚举需另订契约；评估失败不能混为被测模型全部失败。多个案例/重复的聚合还需正确统计单位。