让模型自己打分，它几乎从不给自己低分，跟当年杂志评自家游戏一个味

我自己最近在搭一个小评测流，懒得每次人肉看，就在 prompt 里加了条「写完先自评 1-10 分，并列出扣分点」。跑了两家，越跑越像当年翻游戏杂志：自家平台出的游戏，评分页永远大方。 DeepSeek 的 reasoning 链里其实抓得到毛病，能看到它写「这里论证有点跳」「这个字段没对齐」，我心想这不就 5 分了吗，结果落笔还是 8 分往上，还补一句整体可接受。Claude 更客气，扣分点写得像在给自己找台阶，分数照样给得高。 我自己现在的土办法是把评分维度拆开，每条给个锚点例子，比如「信息缺失超过一处算 6 分以下」，再逼它先列证据后打分。能压下去一点，但它还是会护短。 是不是这种自评的活得换个模型来干，自己评自己天生不客观？还是说锚点给得够死就能治？