DeepSeek Harness 的 LLM 作为验证者

主要功能

• 为什么比「LLM-as-a-Judge」更细？
• 上游框架的核心思想是① 用细粒度评分（20 级字母尺度）
• ② 对评分 token 的完整 logprob 分布取期望（而不是只取 argmax）
• ③ 用重复评估 + 标准分解缩放可靠性。
• 本插件基于其开源实现适配了打分提取、成对提示词、锦标赛与进度追踪，并接入 logprob 后端和 token 计量，封装为 DSH 的 Cordis 工具插件。