让两个模型互相出题考对方，比我自己盯着它答题有意思多了

最近我自己琢磨了个玩法：一个模型当出题人，专挑老游戏冷知识或者逻辑题，另一个当考生，答完再交换角色。跟当年街机厅双打一个味，一个人打，另一个在旁边递招，谁露怯一眼就看出来。 我发现出题这活儿特别能暴露底细——有的模型答题挺稳，一出题就只会问些不痛不痒的常识；有的 reasoning 一开，题目层层加码，思维链里全是它自己挖的坑。DeepSeek 和 Claude 我都拉来试过，风格差得跟 MD 和 SFC 两个版本似的。 现在我更想问：这种互考怎么防止两边互相放水？是不是得我自己先定个评分表，别让它们自己给自己判卷。有搞过类似工作流的兄弟说说，出题人和考生的角色要不要定期对调？