忠實度檢查
比較一張人物穿戴或手持產品的生成照片與真實產品照片，回答九個固定問題，並讓腳本將答案轉換為評分卡。你判斷所見內容；腳本負責計算分數。
你需要準備
- IMAGE A：真實產品照片。這是產品的真實依據。
- IMAGE B：待審查的生成照片。
- 可選，IMAGE C：提供給生成器的姿勢參考。有了它你可以回答姿勢問題；沒有就回答
not_applicable。
如果你只收到一張圖片，請要求另一張。不要僅憑你對產品應該長怎樣的記憶來審查照片。
步驟
- 查看兩張圖片。如果可以裁切與放大，請放大 B 中的產品，特別注意任何印刷文字。
- 回答
references/rubric.md中的九個問題，使用same、minor、different、cannot_tell、not_applicable其中之一。對於每個不是same的答案，請加上evidence（你看到的內容，簡短描述）和where。 - 將每個問題列為一個缺陷，使用評分量表中的代碼（
TEXT_GARBLE、PART_MISSING……）。僅使用這些代碼。 - 轉錄 A 中產品上可讀的文字（
text_in_reference）和 B 中產品上的文字（text_in_generated）。照抄印刷的文字。不要修正拼寫，也不要填入文字應該是什麼。 - 如果產品上有文字，執行文字規則進行交叉檢查：
python scripts/text_match.py --expected "<A 中的文字>" --observed "<B 中的文字>"如果它以 1 退出（被標記），則將text答案設為different並加入TEXT_GARBLE。 - 將檢查清單寫成 JSON（參見
references/checklist-example.json）並存到暫存檔案中，然後執行：python scripts/score.py <檔案> - 回覆腳本輸出的評分卡原文，然後用一兩句話說明需要修改的內容。切勿自行計算分數，也勿在腳本未輸出的情況下說「Verified」。
審查規則
- 嚴格照實。不同的色調、缺少蓋子、一個字母錯誤、第六根手指：每一項都是發現。
- 與 A 比較，而不是與看起來合理的東西比較。一張照片可能看起來很好，但展示的卻是另一種產品。
- 當你無法看清楚而無法決定時，回答
cannot_tell。它只得到 1 分，從不得到 2 分，因此你無法回答的產品忠實度問題會阻止 Verified：照片不能憑猜測獲得 Verified。 - A 中出現的手、人體模型和道具不屬於產品的一部分。如果它們出現在 B 中，那就是
LEAK_HAND_MANNEQUIN。 - 印刷文字逐字元檢查。小字變成亂碼是
TEXT_GARBLE；大的詞彙或商標錯誤是TEXT_WRONG。 - 一次審查只判斷一張照片。對於多張照片，請分別審查並並列報告。
限制
模型審查員不是真人。在我們的小型測試中，兩位模型審查員對同一批照片的意見一致性僅達到 39%，這就是為什麼問題是固定的、分數由程式計算，以及存在文字規則的原因。請將評分卡視為快速初步篩選，並在發布前親自查看照片。
評分量表版本 1.0-draft。原始碼與完整基準測試：https://github.com/molly554/onmodel