让模型自评质量，可信度有多高

试了让它给自己的输出打分（1-5 分）。

结果：几乎都给 4 分以上，包括明显有问题的输出。

改进做法：

1. 给具体维度打分，而不是整体打分（事实准确性、格式合规性、完整性分别打）
2. 让它先找出问题再打分，顺序很重要
3. 用另一个模型评，比自评客观

第 2 条效果最明显。先让它列出「这段输出有什么问题」，它会认真找；直接问「好不好」，它只会说好。

自评适合粗筛，不适合作为质量依据。真要做质量门禁，得用人工标注的小测试集。