在职教实训场景中，考评员的判断依赖多年经验，很难直接复制。我们尝试把一段操作视频拆到「工步级」，再与评分细则逐条对齐。
做法分三层：先用工序动作识别把长视频切成起止明确的工步；再对每个工步抽取可观测指标，如工具握持姿态、步骤顺序、关键参数停留时长；最后按评分表条目逐项给分，并给出对应的证据帧，供教师复核。
阶段性进展：在3个工种的试点中，12条评分细则的工步切分一致率约92%，与资深考评员的总分差中位数控制在3分以内（满分100分）。其中步骤遗漏、顺序错误的召回相对更高；而在「动作规范性」这类主观项上，模型给分偏保守，与人工仍有明显差距。
下一步：把评分细则写成显式规则约束，减少模型的自由发挥；同时将证据帧回传教师端，产品定位先做「辅助复核」而非直接出分，并重点统计不同考评员之间的评分一致性，作为模型校准的参照。
评论