Ocena outputu pl

Ocena outputu PL - karta ocen przed wysyłką

Filozofia

Zanim wyślesz, oceń - i oddziel to, co sprawdzalne, od tego, co trzeba osądzić. Output AI bywa gładki i przekonujący, a mimo to błędny. Ten skill ocenia go w dwóch warstwach: obiektywnej (fakty, które da się sprawdzić mechanicznie) i subiektywnej (jakość, którą trzeba osądzić wg jawnej rubryki). Dwie warstwy, bo mylenie ich to źródło fałszywej pewności - „brzmi dobrze" nie znaczy „cytaty się zgadzają".

Skill ocenia, nie poprawia i nie wysyła. Decyzję podejmuje prawnik; karta ocen daje podstawę.

Warstwa 1 - obiektywna (sprawdzalne mechanicznie)

Deleguj do narzędzi, nie zgaduj:

• Cytaty i przepisy - czy istnieją w źródle słowo w słowo (citation-grounding-pl), czy wszystkie wyłapane (ekstraktor-cytatow-pl).
• Sygnatury / ELI - czy realne i poprawnie zapisane.
• Kompletność ustaleń - czy żadna flaga RED nie wypadła z podsumowania (deliverable-fidelity-pl).

Wynik obiektywny jest binarny per pozycja: zgadza się / nie zgadza. Choćby jeden niezgodny cytat = output nie jest gotowy, niezależnie od oceny subiektywnej.

Warstwa 2 - subiektywna (rubryka 1-5, LLM-as-judge)

Oceń wg jawnej rubryki, każdy wymiar 1-5 z jednozdaniowym uzasadnieniem:

Wymiar	1	5
Poprawność prawna	teza błędna lub nieoparta	teza trafna i oparta na normie
Kompletność	pomija istotne kwestie	obejmuje wszystko, co istotne dla pytania
Jasność	mętne, niespójne	precyzyjne, czytelne dla odbiorcy
Zgodność z jurysdykcją	myli porządki/przepisy	trafne dla prawa polskiego/UE
Ugruntowanie (anty-halucynacja)	twierdzenia bez podstawy	każde twierdzenie ma oparcie

NIEPEWNE zamiast liczby - ocena pierwszej klasy

Gdy sędzia nie ma podstaw, by wystawić liczbę, NIE wystawia jej. Zamiast wymuszonej trójki wpisuje NIEPEWNE z podkategorią i wskazaniem, jakiego dowodu brakuje:

• NIEWYSTARCZAJĄCY_DOWÓD - oceny nie da się wystawić bez materiału, którego nie ma w sesji (np. brak tekstu źródłowego wyroku II CSK NN/RR, brak umowy, do której output się odwołuje). Wpisz, CZEGO brakuje i skąd to wziąć.
• DOKUMENT_NIEJEDNOZNACZNY - materiał jest, ale nie rozstrzyga (dwuznaczna klauzula, sprzeczne fragmenty, pytanie klienta dopuszcza dwie wykładnie). Wpisz, NA CZYM polega niejednoznaczność.

Reguły twarde:

• NIEPEWNE nie wchodzi do średniej i nie wolno go cicho zamienić na 3 - wymuszona środkowa ocena to przemilczenie niepewności, dokładnie to, co ten skill ma łapać.
• NIEPEWNE w wymiarze Poprawność prawna lub Ugruntowanie -> decyzja co najwyżej Pełna weryfikacja.
• NIEPEWNE w pozostałych wymiarach -> decyzja co najwyżej Popraw.

To slogan "AI, która wie, czego nie wie" jako pole w karcie ocen, nie deklaracja.

Decyzja

• Wyślij - warstwa 1 czysta, zero NIEPEWNYCH, średnia subiektywna ≥ 4, żaden wymiar < 3.
• Popraw - warstwa 1 czysta, ale któryś wymiar subiektywny 2-3 (wskaż który) albo NIEPEWNE poza wymiarami krytycznymi.
• Pełna weryfikacja - warstwa 1 ma niezgodność, wymiar = 1 albo NIEPEWNE w Poprawności prawnej / Ugruntowaniu -> skieruj do legal-request-router-pl (grounding / adversarial / paczka audytowa).

Format wyjścia

WARSTWA 1 (obiektywna): cytaty OK/X | przepisy OK/X | sygnatury OK/X | kompletność OK/X
WARSTWA 2 (rubryka 1-5):
  Poprawność prawna: 4 - <uzasadnienie>
  Kompletność: 3 - <...>
  Jasność: 5 - <...>
  Zgodność z jurysdykcją: NIEPEWNE (NIEWYSTARCZAJĄCY_DOWÓD) - output opiera się na wyroku
    II CSK NN/RR, którego tekstu nie ma w sesji; brakuje: treść uzasadnienia (saos-orzecznictwo)
  Ugruntowanie: 4 - <...>
  Średnia: 4.0 (z 4 wymiarów liczbowych; NIEPEWNE poza średnią)
DECYZJA: Popraw (Kompletność 3 - brak omówienia przedawnienia; Zgodność z jurysdykcją
NIEPEWNE - uzupełnij tekst wyroku przed wysyłką)

Granice

• Ocena subiektywna to osąd modelu wg rubryki, nie wyrocznia - przy wysokiej stawce ostateczna ocena należy do prawnika, a karta jest dowodem należytej staranności (do legal-ai-audit-bundle).
• Warstwa 1 nie zastępuje narzędzi, które wywołuje - jest ich agregatorem do jednej decyzji.
• Skill ocenia output, nie tworzy go i nie poprawia.

Atrybucja

Metoda dwuwarstwowa (obiektywne dopasowanie + subiektywna rubryka LLM-as-judge w skali 1-5) oparta na DISC-Law-Eval z projektu DISC-LawLLM (Fudan DISC Lab), licencja Apache-2.0. Chińskie dane egzaminacyjne i model-sędzia porzucone; wymiary rubryki, progi decyzji i kotwice PL to oryginalne opracowanie MateMatic. Interpretacja MateMatic, nie stanowisko NRA ani KRRP.

Wzorzec dodany w v1.1.0: NIEPEWNE jako ocena pierwszej klasy (podkategorie NIEWYSTARCZAJĄCY_DOWÓD / DOKUMENT_NIEJEDNOZNACZNY, wymóg wskazania brakującego dowodu, zakaz wymuszonej trójki) z AnttiHero/lavern (Apache 2.0), adaptacja od zera - podkategorie, reguły decyzji i polska semantyka to opracowanie MateMatic.