MAWILE: Multi-Axis Workbench for Inspecting LLM Evaluators

MAWILE 对 judge prompt、rubric、被评输入和输出做受控扰动，明确标记 verdict 应不变还是应改变，从而把“评审敏感性”变成可定位的测试面。它支持二值、序数和 pairwise judge，且不依赖 gold label，适合审计已经上线的评测配置。