在Agent（智能体）评估中，常用的三类评分器分别是：人类评分器（Human）、模型评分器（Model-based） 和 代码/规则评分器（Code/Rule-based）。它们的核心区别如下：
人类评分器
由真人根据回答质量（如相关性、安全性、流畅性）打分。
优点：最贴近真实用户感受，能捕捉复杂语义和常识。缺点：成本高、速度慢、主观性强、难以规模化。
模型评分器
用另一个大模型（如GPT-4、Claude）作为“裁判”自动打分。
优点：较快、可扩展、能理解语义。
缺点：可能有偏见、幻觉，且依赖底座模型的能力。
代码/规则评分器
基于预设规则或脚本判断（如关键词匹配、格式校验、单元测试是否通过）。
优点：客观、可复现、执行快、适合自动化。
缺点：僵化，无法处理开放性或语义复杂任务。
简单总结：
人类看“好不好”，
模型猜“像不像好答案”，
代码查“对不对”。
三者常结合使用，取长补短。网友回复
我知道答案，我要回答
私活外包
