# 天空之城：评分标准

对应提示词：[prompt.md](prompt.md)。操作步骤与证据记录见 [test-cases.md](test-cases.md)。

## 评分原则

- 总分 100 分。视觉质量与完整演示是主要评价对象，动态数量不能替代设计质量。
- 自动检查只覆盖可验证行为；审美、叙事与运动质量由人工评价。
- 测试接口用于定位和采样，不能把模型自己上报的数量直接视为真实结果。需结合实际画面与实现检查。
- 各项分别记分，不因单个问题在多个无关维度重复扣分。不额外设置整题一票否决规则。
- 没有证据或尚未执行的检查标为“未测”，不能当作通过；未测项未完成前不发布完整总分或排名。

## 评分表

| 维度 | 分值 | 评分内容 | 判定方式 | 对应用例 |
| :--- | ---: | :--- | :--- | :--- |
| 视觉表现与设计统一性 | 30 | 构图与视觉焦点 8 分；色彩、光影与材质表达 8 分；悬空感、三个高度城区及空间层次 8 分；城市辨识度与生活细节 6 分。 | 人工评分 | TC-01、TC-11 |
| 运镜与演示叙事 | 20 | 四阶段节奏与城市事件铺垫 8 分；运镜平稳及空间连贯 8 分；结尾构图、城市名称与镜头收束 4 分。 | 时间轴检查＋人工评分 | TC-01、TC-02 |
| 动态密度与行为质量 | 20 | 真实动态对象数量 10 分；类别覆盖 4 分；速度、路线、节奏差异与交通合理性 6 分。 | 接口辅助检查＋画面核验＋人工评分 | TC-03 |
| 店铺交互 | 15 | 六家店铺真实悬停、内容对应及移开关闭 6 分；自动依次展示三家不同店铺 3 分；手动优先 2 分；卡片定位与可读性 2 分；触摸点击 2 分。 | 交互测试＋视觉检查 | TC-04、TC-05、TC-06 |
| 播放流畅度 | 10 | 统一环境下完整播放与元素密集阶段的帧间隔、长帧占比及可见卡顿。 | 性能采样＋录屏复核 | TC-09 |
| 单文件与可录制性 | 5 | 单 HTML、代码生成且无资源依赖 2 分；无需操作自动静音播放 1 分；暂停、继续与重播可用且可重复 1 分；画幅适配且无录屏干扰 UI 1 分。 | 文件检查＋行为测试 | TC-01、TC-07、TC-08、TC-10、TC-12 |
| **合计** | **100** | | | |

## 具体评分口径

### 人工评价

每个主观子项按以下比例给分，再乘该子项分值；允许半分，最终总分保留一位小数。

| 完成程度 | 得分比例 | 参考表现 |
| :--- | ---: | :--- |
| 优秀 | 100% | 完整实现且具有明确设计意图；细节、空间与运动彼此协调。 |
| 良好 | 75% | 整体完成，有少量局部粗糙或衔接问题。 |
| 一般 | 50% | 可以识别意图，但层次、细节或连贯性明显不足。 |
| 较差 | 25% | 只实现少量要素，主要依赖重复图形或机械运动。 |
| 缺失 | 0% | 未实现或不可用。 |

建议至少两位评审独立评分，使用匿名模型标识，取平均值并保留原始分数。单人评审时在结果中注明。不要因偏好白天、夜景或某一种配色而扣分。

### 动态密度

- 在第 20、25、30、35 秒采样，并观看 20–35 秒连续片段。四个采样点通过只证明采样结果，不能替代整个区间的观察。
- `N` 为经核验的最低可见动态对象数量。数量分为 `10 × min(N / 50, 1)`。发现采样点之间数量下降时，应补充采样并更新最低值。
- `C` 为同一采样时刻实际可见的动态类别数，取各采样点最低值。类别分为 `min(C, 4)` 分。
- 按提示词排除云雾、雨滴、粒子、瀑布整体效果、静态对象与重复计算的零件；屏幕外、完全遮挡或不可辨认的对象不计数。
- 相机运动造成的位移不算对象自身动画。抽查对象相对于同一城区静态参照物的运动，或核查其实际颜色、内容、形态变化。
- 接口缺失或不可信时，可通过实现与画面核验；无法核实的数量标记为未测，不凭估计授予数量分。

### 店铺与规格

- 六家店铺的悬停交互每家 1 分；该店铺能打开、内容正确且能关闭才计分。
- 自动展示每家不同店铺 1 分，最多 3 分；应位于 15–40 秒内，每次约 3 秒。
- 其他客观子项完整通过得满分，部分通过得一半，缺失得 0 分；记录具体未通过行为。
- 接口缺失本身作为规格缺陷记录，不另设扣分项；实际功能仍需独立验证，不重复扣分。

### 流畅度

以下为本评测约定的评分阈值，不是所有设备的通用性能标准。使用同一设备、同一浏览器及 60 Hz 显示条件，页面保持前台。未满足统一环境时只报告原始指标，不直接做横向性能排名。

以浏览器侧独立采集的 `requestAnimationFrame` 间隔计算 P95 帧间隔和超过 50 ms 的长帧比例。完整 0–60 秒与 20–35 秒密集区间分别统计，采用较差档位：

| 分数 | P95 帧间隔 | 超过 50 ms 的长帧占比 |
| ---: | :--- | :--- |
| 10 | ≤ 20 ms | ≤ 1% |
| 8 | ≤ 25 ms | ≤ 3% |
| 6 | ≤ 34 ms | ≤ 5% |
| 3 | ≤ 50 ms | ≤ 10% |
| 0 | 未达到以上档位，或播放持续卡死 | 未达到以上档位，或播放持续卡死 |

每档必须同时满足两项。独立帧回调不能保证场景每帧实际更新，因此还需复核场景自身是否冻结、跳帧或低频更新；如出现指标与观感不一致，保留证据并将性能项标为待复核，不直接给满分。

## 常见失分点

- 建筑浮在背景上，但没有可见平台边缘、底部结构或高度差，缺乏悬空感。
- 以满屏光效、云雾或重复小点代替城市细节和真实动态对象。
- 多个城区缺乏空间关系，运镜穿墙或直接跳到另一个场景。
- 飞行交通随机穿过建筑，运动同步，缺少航线和速度层次。
- 所有店铺弹出相同内容，或自动卡片覆盖用户正在操作的目标。
- 场景前段精彩、后段空白，没有高潮与收束；60 秒后突然重置。
- 暂停只停止镜头，重播没有重置对象状态，难以重复录制。