Graph-Structured Rubrics

GSR 在观察回答前把自然语言 rubric 编译成带类型的评估图：criterion 节点产生判断，transformation/reduction/gating 算子通过命名端口组合，Readout 把唯一汇点映射成分数或偏好；类型不匹配的图会在编译期拒绝。GPT-OSS-120B 上，四个 pointwise 数据集的 exact score agreement 比 Prometheus-style 高 0.62-6.75 个百分点，并在两个 pairwise 基准取得最高端到端准确率。它把评分规则的“组合语义”从 prompt 中显式化，便于检查和复用。