SoK：从法学院考试到可信评分标准评审，开放文本法律答案如何评分

一篇 SoK 论文系统梳理了开放文本法律答案的评估方法，从教育测量与考试法出发提出八项要求，并对比八种评估范式。研究发现，针对任务编写的评分标准（rubric）是提升 LLM 评审与人工评分一致性的最强杠杆，但现有报告数字口径不一且缺少人工一致性对照。核心验证缺口在于可辩护的替代解法、后续错误与考官对模型判断的纠正，而基于 rubric 的评分最可审计。