评测报告写给谁看
评测做得很扎实，但决策者看不懂 ✗，结果就是"报告发了没人看、决策靠感觉" ✗。
问题不在数据，而在呈现：一张几十行的指标表 ✗ ≠ 能支持决策的信息 ✔。
给决策者的报告，三张图就够 ✔。
图一：质量趋势（按周）
- 横轴时间、纵轴主指标（例如任务完成率）✔；
- 同时画失败类型占比堆叠（编造 / 格式 / 漏答 / 拒答 ✔）；
- 目的：看出"总量在升还是在降"与"结构有没有恶化" ✔。
要点：只看总量会漏掉"总量不变但编造变多" ✗（见反馈闭环那篇 ✔）。
图二：改动前后对照（净胜数 + 区间）
- 每次改动画一条：净胜数与置信区间 ✔；
- 区间跨 0 → 标"未观察到显著差异" ✔（见小样本那篇 ✔）；
- 目的：让决策者一眼看出"这次改动到底有没有用" ✔。
要点：不要用"明显更好" ✗；用净胜数与区间 ✔。
图三：成本 × 质量散点
- 横轴单位成本、纵轴质量指标 ✔；
- 每个点=一个功能（或一个模型版本 ✔）；
- 画出预算线与质量下限 ✔；
- 目的：直接暴露"贵但不好"与"便宜且够用"的两类对象 ✔。
这张图最能推动决策 ✔：优化方向通常一眼就出来了 ✔。
三个呈现纪律
- 每张图有结论句 ✔（"本周编造占比从 4% 升到 7%，主要来自长文档场景" ✔）；
- 不确定的如实标注 ✔（样本量不足、区间跨 0 ✔）；
- 不放原始明细 ✗（明细放附录/链接 ✔）。
一份报告的最小结构
- 本周结论（3 行以内）
- 三张图（趋势 / 对照 / 成本-质量）
- 需要决策的事项（1~3 条，每条给建议与代价）
- 附录：样本量、口径、未解决风险
一条判据
决策者只看第一页，能否做出"继续 / 回滚 / 调预算"的决定 ✔？
不能，说明报告是给评测者自己看的 ✗，不是给决策者的 ✔。