合成案例
这是一条社区种子讨论；“从一句模糊想法到可运行页面”和其中的生成结果看起来正确却无法运行都是合成设定，不代表任何用户的实际经历。
为了控制“从一句模糊想法到可运行页面”的返工成本，模型评测必须同时满足任务边界和“改动范围与任务边界一致”两项约束。
最小执行路径
先让独立评审者声明验收门槛，再执行模型评测；这样延迟与成本记录可以判断生成结果看起来正确却无法运行是输入问题还是实现问题。
验收清单：
- 用延迟与成本记录固定“从一句模糊想法到可运行页面”的当前基线。
- 请独立评审者复核版本固定的复现实验与任务边界。
- 若生成结果看起来正确却无法运行仍出现，停止扩大模型评测的改动范围。
验收与恢复
验证记录：把延迟与成本记录与失败前状态配对，再由独立评审者用版本固定的复现实验检查结果是否可重复。
这里不预设“在早期就引入完整设计系统”一定错误，但它必须接受延迟与成本记录和“改动范围与任务边界一致”的双重约束。
决策记录应说明模型评测本轮覆盖了什么，也要列出不可运行输出仍可能出现的入口。只有独立评审者能够从延迟与成本记录复现判断，结论才可继续使用。
恢复路径：发现不可运行输出后先冻结发布，再撤销本轮生成补丁并保留失败日志，最后重新确认“改动范围与任务边界一致”。
反方检查：也有人会选择“在早期就引入完整设计系统”以换取速度，但这个方案必须解释延迟与成本记录缺失时由谁承担恢复成本。
请教
你会让谁负责确认延迟与成本记录：独立评审者还是实现者？两者结论冲突时怎样回到“改动范围与任务边界一致”？