# 讲解、叙事与音乐题：成片里的加分亮点

整理日期：2026-10-23。范围：第二轮 S1、M1、B2、B1、C1、I1（各 9 个运行），第一轮 Q1、Q3、Q4、Q9（各 10 个运行），共 94 个 done=true 且有成片的运行。口径只看成片；交付说明只用来解释看到的现象，不作为加分证据。

## 0. 结论先行

1. 真正的亮点不多，而且集中。94 个运行里，同题其他运行都没有做到的处理共 14 处（第 3.1 节），其中 10 处出自 Anthropic 模型，7 处出自同一个条件 Opus 5.5 · HyperFrames；Astra · HyperFrames 3 处，V4.1-Flash · HyperFrames 1 处，Sol 和 V4-Pro 没有。最强的 7 处见下表和第 5 节拼图。
2. 亮点分两类，对应两种可以拉开差距的能力：
   - 言外之意：画面说出题面或歌词没写的东西。例如 cc-hf-B2 用倒影补上缺席的人，cc-hf-C1 用墙上的画预告结尾，codex-hf-B2 用空座位上的红伞替代离开的人。
   - 把机制算出来、而不是画出来：cc-bare-S1 和 cc5-bare-S1 的天空颜色由散射计算得出，并与太阳高度、路径倍数联动；cc5-bare-I1 让颜料沿笔触真的流动，而不是原地抖动。
3. 新跑完的 cc-hf-B2、cc-hf-C1 改变了前一份报告的排序。前一份报告认为 C1 叙事最好的是 dsh-hf-C1、B2 最像 MV 的是 codex-hf-B2；加入这两部后，C1 和 B2 的叙事与意象都是 cc-hf 最好。
4. 现有 rubric 草案几乎奖励不到这些亮点。L1 和 L2 是找缺陷的，L3 只有 C4“非默认感”笼统相关。第 4 节给出 12 个加分题和 5 个可计算指标，并建议按“同题稀有度”决定哪些亮点计分：同题多数运行都做到的（例如 B1 画面踩拍 7/9）只算及格。

最强的 7 处：

| # | 运行 · 秒数 | 一句话 |
|---|---|---|
| 1 | cc-hf-B2 · 18.0–21.0 s | 现实里男孩独坐长椅，镜头下摇到水洼，倒影里她坐在他身边（“我才能在你身边”） |
| 2 | cc-hf-C1 · 5 s → 42 s | 墙上挂着纸飞机飞向太阳的画，结尾纸飞机和鸟群正是这样飞走；中间还有撞皱、过夜低落、窗开后不敢跳 |
| 3 | cc-hf-M1 · 17.5–22.5 s | 连续改变三角形的边长比例，两边始终拼满，无字地说出“对任意直角三角形成立” |
| 4 | cc-bare-S1 · 21.0–24.25 s | 太阳从 62° 落到 1°，路径倍数从 1.1 涨到 23.4，物理模拟的天空在同一 3 s 内由蓝变暮色 |
| 5 | cc5-bare-I1 · 0–10 s | 天空颜料沿笔触流动（输运率 0.56，其余 ≤ 0.26，缩放模糊的 dshp 除外），村庄、月亮、星核不动，首尾可循环 |
| 6 | codex-hf-B2 · 16.5–20 s | 男孩独坐，她的红伞撑开在空位上，推近到空座位，红伞贯穿全片 |
| 7 | cc-hf-B1 · 9.8–15.4 s | 无歌词条件下把节拍落到故事事件上：出隧道的光与起音重合，窗户按拍分批亮起 |

## 1. 方法与口径

| 项目 | 做法 | 局限 |
|---|---|---|
| 数据 | 面板的 HTTP 服务一次只接少量连接，下载约 130 KB/s。我改为经 `ssh cpu001` 让服务器上的 ffmpeg 把每部成片转成 960 px 宽、保留原音轨的 MP4，直接输出到标准输出，本机接收到 `/tmp/c2v-hl-narr/v/`。没有在服务器上写文件。拼图用的帧经同样方式取原分辨率 | 960 px 足够看构图和动作，看小字时不够 |
| 时序观察 | 每部片先做 1 fps 联系表（`/tmp/c2v-hl-narr/sheets/`），候选处再做 2–10 fps 的放大拼图。第一轮四题先做“每行一个运行”的总览图（`/tmp/c2v-hl-narr/rows/`） | 1 fps 会漏掉短动作，所有写进表的时刻都在放大拼图上复核过 |
| 声音 | 每 0.1 s 的 RMS；用频谱通量找起音；把起音与画面事件时刻对齐（`/tmp/c2v-hl-scripts/av.py`，结果 `av.jsonl`） | 小物体的碰撞在全局帧差上不明显，所以以起音为候选、回到画面核对 |
| 画面是否踩拍 | 节拍周期从音频细扫得到 0.438 s；30 fps 帧差按周期折叠，与错误周期的零分布比较，报告 z 值（`beatlock.py`） | 只测“运动是否有节拍周期”，不区分运动是内容事件还是全屏脉动 |
| I1 运动质量 | 地面 / 天空运动比、块匹配输运率、首尾接缝比（`i1.py`、`i1flow.py`） | 输运率会把缩放也算成流动，需与地面 / 天空比一起看 |
| 对照 | 每个亮点都写了同题其他运行在同一位置做了什么 | 每格只有一次运行，“稳定习惯”的判断靠跨题重复出现，不是同题重跑 |

标注规则：没有写“推断”的，都是直接在帧上看到或量出来的。秒数都是成片时间。“亮点”的门槛是：超过题目及格线，并且同题多数运行没有做到。

## 2. 逐题亮点

### 2.1 S1 天空为什么蓝

看了 9 个运行（含新跑完的 cc5-bare-S1、dsh-hf-S1）。及格线是“白光含多色、短波散射更多、傍晚路径更长”三步都画出来。下面只列超出这三步的处理。

| 亮点 | 运行 · 秒数 | 看到了什么 | 为什么加分（对比同题） | 现有 rubric 能否奖励 | 怎么测 |
|---|---|---|---|---|---|
| S1-a 天空颜色由物理计算得出，并与太阳高度、路径倍数联动 | cc-bare-S1 · 20.5–24.5 s；cc5-bare-S1 · 18–24 s、24–29.5 s | cc-bare：左侧太阳从 62° 落到 1°，计数从 1.1 倍涨到 23.4 倍，光束由白变橙；右侧“你看到的天空（物理模拟）”在同一 3 s 内从蓝变橙，太阳周围出现晕光。cc5-bare：太阳下落时计数 ×1.0 → ×35.9，光束沿途由白变金变红；收尾的写实天空在 24–29.5 s 从蓝渐变成日落，云层有自阴影 | 联动本身不是独有的：sol-bare-S1 在 18–26 s 让太阳下落、太阳变橙和背景变红同时发生，dsh-hf-S1 在 18–21 s 让大气带变橙、路径条涨到约 38 倍。区别在于颜色从哪来：这两部是插值渐变，cc-bare 和 cc5-bare 的天空是计算结果，画面质感接近真实天空（暮色上方的灰蓝、太阳周围的晕光）。其余 5 部换场才变色或只有静态示意图。这两部让“路越长、天越红”成为同一个计算的两个输出。交付说明写明天空来自单次散射积分（cc5 还加了臭氧吸收和 CIE 配色），计数和光束颜色用同一套消光公式。这一点只在 Anthropic 两代模型上出现 | L2 的 S1-Q3、Q5 只问“有没有表现”“方向对不对”；L3 的 C1、C3 能间接奖励。没有专门的项奖励“多个编码量同步变化” | 二元题：“太阳高度、路径长度、天空颜色三者是否在同一时间段内一起变化，而不是分镜头切换？”代理指标：在傍晚段抽帧，算天空区域平均色相与计数 OCR 值的相关 |
| S1-b 画出“整片天空都在往你眼里送蓝光” | cc5-bare-S1 · 15–17 s；sol-bare-S1 · 14–17 s；dsh-bare-S1 · 9–12 s；codex-hf-S1 · 10.5–15 s | cc5-bare：天穹半球中心一只眼睛，16 s 蓝线从穹顶各方向汇入眼睛，字幕“于是整片天空都在往你眼里送蓝光”。sol-bare：小人抬头，蓝线从四面八方汇到头部，“无论看向哪里，眼睛都收到蓝光”。codex-hf：一条蓝线从空气分子折向小人的眼睛，红光直穿 | 这是解释“为什么整片天是蓝的、而不只是太阳那边”的那一步。cc-bare、cc-hf、dsh-hf、dshp 四部只说“弹向四面八方”，没有回到观察者 | S1-Q4“是否回到地面观察者”能奖励到 | 已有 S1-Q4 即可；建议改成“画面是否显示来自多个方向的散射光进入观察者”，把单条光线和满天光线区分开 |
| S1-c 用一次形状转场把示意图变成观察者看到的天空 | cc-hf-S1 · 15.5–16.0 s；dsh-hf-S1 · 21.0–22.0 s | cc-hf：一个被散射的蓝色小圆在 15.5 s 出现，0.5 s 内放大铺满画面，16.0 s 底部长出山坡和小人，蓝圆就成了天空。dsh-hf：傍晚光路图里，一个橙色圆从地面观察者处扩大，21.25–21.75 s 铺满屏幕，芦苇在橙色中浮现，22 s 落到芦苇夕阳 | 其他运行从示意图到实景都是硬切或淡入淡出。这两处让“被散射的光”在画面上变成“你看到的天空”，转场本身就是论证 | 没有对应项。L3 的 C3 只笼统问“运动质量” | 二元题：“示意图与实景之间的转场是否由示意图中的某个元素直接变形成实景中的对应物？”代理：转场前后帧的主色区域是否连续扩张（色块面积随时间单调增大并铺满） |
| S1-d 片尾回到片头的提问画面，并把答案画在上面 | codex-hf-S1 · 0–3 s 对 24.25–27 s | 片头是“白天 / 晚霞”左右分屏，各站一个小人。片尾回到同一分屏，24.5 s 起从太阳画出光线：左边一条蓝线折进小人眼睛，右边红光直达小人 | 首尾呼应的运行很多（cc-bare、cc5-bare、codex-bare、dsh-hf 都回到开场景色），但只有这一部在原问题画面上叠加了答案。codex-bare-S1 同样回到分屏，但只放回两张卡片 | L2 的 G3“看完记住一件事”间接相关；没有“首尾呼应”项 | 二元题：“结尾是否重现开场画面，并在其上加入解释开场问题的新元素？”代理：片头与片尾关键帧的结构相似度高，同时片尾有片头没有的新图形 |
| S1-e 一镜到底并回到同一构图 | dsh-hf-S1 · 0–6 s、6–21 s、22–30 s | 芦苇和蓝天开场，镜头拉远到行星大气层，讲完散射后经 21 s 的橙色转场落回同一丛芦苇，天已变成日落 | 片头和片尾是同一构图的白天和傍晚，观众不必读字就看到“同一个地方颜色变了”。前一份报告已记录这一镜头运动有意图 | C3 间接奖励 | 二元题：“片头与片尾是否是同一地点同一构图的不同时刻？” |
| S1-f 换章的提示音落在切点上 | cc-bare-S1 · 3.1–3.6 s、9.0–9.5 s、16.1–16.6 s、25.9–26.4 s；dsh-hf-S1 · 21.41 s | cc-bare：四次换章前各有 4 个间隔约 0.16 s 的起音（推断是上行琶音），最后一个起音比画面切点（3.7、9.5、16.7、26.5 s）早约 0.1 s。dsh-hf：21.41 s 的起音与 21.4 s 橙色扩张同时；14.3 s 的“6 倍”有一个 pop | 多数 S1 运行的配乐是平铺的；cc-hf-S1 有 13 s 数字静音。这两部的声音跟着结构走。sol-bare-S1 在换场处也有响度尖峰（0、3、7、13、18、27 s），属于同类做法 | D12 只查无声；没有项奖励声画同步 | 可计算：每个镜头切点 ±0.15 s 内是否有音频起音，算命中率；cc-bare-S1 为 4/4 |

S1 的直接证据：4 fps 拼图 `/tmp/c2v-hl-narr/sheets/cc-bare-S1_20.5_4.5_4.jpg`、`cc-hf-S1_14.5_7_4.jpg`、`dsh-hf-S1_18_6_4.jpg`、`codex-hf-S1_23.5_4_4.jpg`；起音数据 `/tmp/c2v-hl-narr/av.jsonl`。

### 2.2 M1 无字勾股定理

看了 9 个运行。及格线是“画出三边正方形，通过重排让面积关系可见”。8 部都做到了（dsh-hf-M1 缺建立画面）。

| 亮点 | 运行 · 秒数 | 看到了什么 | 为什么加分 | 现有 rubric 能否奖励 | 怎么测 |
|---|---|---|---|---|---|
| M1-a 改变三角形形状，证明对任意直角三角形都成立 | cc-hf-M1 · 17.5–22.5 s | 两个大正方形并排，中间是“=”。18.25 s 起直角三角形的两条直角边比例连续变化三次：右边 a² 先缩小、b² 变大（19 s），再反过来（20.5–21.5 s），最后回到原比例（22.5 s）；左边的 c² 同步转动，两边始终拼满 | 9 部里只有它展示了“不是 3-4-5 的特例”。其余 8 部只演示一个固定三角形。这是数学上更完整的证明，也是一个不用文字就能表达“对所有情况成立”的手法 | 没有对应项。M1-Q3、Q4 只问面积关系是否可见、观众能否说出结论 | 二元题：“视频是否在保持证明结构的同时改变三角形的边长比例？”代理：跟踪 a²、b² 色块面积，统计面积比在片中是否出现两种以上取值 |
| M1-b 证明倒放回原位，再加速重播一遍 | codex-hf-M1 · 20.5–23 s 倒放，24–25 s 重播 | 第一次剪拼用了约 10 s（9–19 s）。20.5–22 s 碎片按原路飞回 b²，23 s 切线重新出现，24–25 s 用约 1.5 s 再拼一次。全片零文字、无声 | 重播让观众在第一次看懂后验证一次，节奏前慢后快。其他运行证明完就停在结论画面 | 没有对应项。G5 只问停顿 | 二元题：“关键变换是否演示了不止一次，且第二次比第一次快？”代理：帧差曲线中同一组运动模式出现两次（用前后两段的帧序列做 DTW 匹配） |
| M1-c 证明结束后，两个小正方形飞回三角形的两边 | codex-bare-M1 · 21–28 s；cc-bare-M1 · 25–29 s | codex-bare：重排得到的 a²、b² 从大正方形里脱出，21–25 s 飞回直角三角形的两条直角边，与 c² 重新组成开场的图形。cc-bare 同样回到带网格的开场图 | 把“重排后的面积”接回“定理里那三个正方形”，观众不用符号就能把证明和定理对上。dsh-hf-M1 停在两个框里，从未画出三角形 | M1-Q4（陌生人能否说出结论）间接奖励 | 二元题：“结尾是否回到直角三角形加三边正方形的原图？” |

cc-hf-M1 的注意事项：画面上有 a²、b²、c² 字母和“+ = ? ✓”。按 D13 的严格定义它违反“不用一个字”，所以 M1-a 是否计分取决于事先怎样定义“字”。“?”在 24 s 变成“✓”这个设计本身也依赖符号，不计为亮点。

### 2.3 B2 《晴天》副歌 MV（有 whisper 提示）

看了 9 个运行（新增 cc-hf-B2、cc5-bare-B2、dshp-bare-B2、sol-bare-B2）。前一份报告已确认：五部的剪辑点都落在歌词半句附近，“看你不见”全部画成人物淡出，“从前”全部画成回忆。所以剪辑对位和逐句配图只算及格。加分要看意象能否表达歌词没有直接说的东西。

| 亮点 | 运行 · 秒数 | 看到了什么 | 为什么加分 | 现有 rubric 能否奖励 | 怎么测 |
|---|---|---|---|---|---|
| B2-a 用倒影画出“缺席的人” | cc-hf-B2 · 18.0–21.0 s | 18 s 男孩独自坐在长椅右侧，左边空着。19.25 s 镜头下摇到地上的水洼，19.5–20.75 s 倒影里长椅上坐着两个人，女孩在他身边，红伞也在。21 s 推进倒影，随后转到乌云 | 歌词是“我才能在你身边”。现实里她不在，倒影里她在，画面同时说出了“缺席”和“愿望”。这是 9 部 B2 里唯一一处用画面说出歌词言外之意的镜头。其他运行在这一句画的是长椅、钟或路灯下的单人 | L3 的 C4“非默认感”可以笼统奖励；L2 和 §6.3 第 3 条“超越字面”的建议题能奖励 | 二元题（给 judge 18–21 s 片段和该句歌词）：“这段画面是否表达了歌词没有直接写出的信息，例如人物的缺席、愿望或回忆？请先描述画面里出现了谁、在哪里，再回答。”同题对照能拉开：codex-hf-B2 是“是”（见 B2-b），其余 7 部预计为“否” |
| B2-b 用遗留物代替离开的人 | codex-hf-B2 · 16.5–20.5 s | 男孩独坐长椅，女孩的红伞撑开放在他身边的空位上；18.5–20 s 推到近景，空座位和红伞占画面主体。红伞在开场是两人共撑的伞，8–12 s 是她离开时撑的伞。片中没有交代伞怎样回到长椅上，“伞是她留下的”是推断 | 与 B2-a 同一个想法：用物件替代缺席的人，而且红伞前后一致，承担了线索作用。前一份报告只记了这部片的“手差一点没碰上”和首尾呼应 | 同上 | 同上；另加一题：“全片是否有一个物件反复出现，并在不同段落承担不同含义？”（codex-hf-B2 的红伞、cc-hf-B2 的红伞都会判“是”） |
| B2-c 用水洼里的雨点数量表现“雨渐渐” | cc-hf-B2 · 6.5–10.0 s | 低机位只拍到女孩的腿和收起的红伞，前景水洼倒映着大树。6.5 s 水面只有一两圈涟漪，8.5 s 增多，9.5–10 s 满池涟漪，同时天色变暗、雨线变密 | “渐渐”是一个时间过程。其他运行用整屏雨量增加或直接切到大雨，这里用一个小的、可数的细节表现递进，而且没有出现人脸，人物情绪留给观众补 | 无对应项 | 二元题：“歌词描述的渐变过程，画面是否用一个可见量的连续变化来表现（而不是一次切换）？”代理：在该段对水洼区域做帧差，看运动量是否单调上升 |
| B2-d 人物有表演：伸手试雨 | cc-hf-B2 · 24.75–28.25 s | 天晴后男孩伸出手掌，26.5 s 树枝上的最后一滴水落到掌心，27.25 s 掌心有一圈涟漪，画面随即变暖 | 前一份报告指出各家“主角没有表演”。这里歌词是“也许我会比较好一点”，男孩用一个试探的动作确认雨停了，情绪靠动作而非天气或字幕表达。9 部里只有这一处是人物主动做动作 | 无对应项（§6.3 第 5 条的角色题只在 C1 提出） | 二元题：“在情绪转折处，人物是否做了一个与情绪相关的具体动作（伸手、回头、抬头等），而不只是站着？” |
| B2-e 结尾揭示整部片是速写本里的一幅画，歌词手写上去 | cc-hf-B2 · 28.5–35 s | 28.5 s 画面缩成纸上的水彩画，内容回到开场的校舍和大树，两人在树下共撑红伞；30–35 s 手写的“晴天”和“从前从前 有个人爱你很久”随歌声逐字出现，旁边有铅笔 | 把“从前从前”解释成“这是一段被画下来的回忆”，同时回到开场构图。cc-bare-B2、sol-bare-B2 用拍立得表示回忆，属于同类想法，但没有回到开场的地点。另外，校园加雨天的设定与原曲的语境一致（推断：模型从 whisper 结果认出了这首歌，交付说明写了“Whisper identified it as Jay Chou's 《晴天》”） | L2 可加“首尾呼应”题；C4 可间接奖励 | 二元题：“结尾是否重新解释了前面全部画面的身份（梦、回忆、画、照片等），并回到开场的地点或构图？” |
| B2-f 修正了 ASR 听错的歌词 | cc-hf-B2 · 30–35 s；cc-bare-B2 · 全片 | 屏幕歌词是正确的“雨渐渐 大到我看你不见”。对照：cc5-bare-B2 在 9–13 s 显示 whisper 的错误转写“一瞬間 打擾我看你不見”，并用繁体 | 拿到 ASR 结果后用对歌曲的认识校对，属于细节手艺。交付说明里 cc-hf 写了“misheard … so I used the correct lyrics and kept only Whisper's per-word timings” | 无对应项；可并入 D1 类“文字是否正确” | 可计算：OCR 屏幕歌词，与标准歌词算字错误率 |
| B2-g 器乐间隙里踩拍的闪电（复核） | cc-bare-B2 · 13.0 s、13.5 s | 前一份报告已测：两次闪电提亮画面，对上 13.10 s、13.54 s 的拍点 | 复核结论不变。但用新指标看（见 B1），cc-bare-B2 全片镜头内运动并不踩拍（z = 0.4），所以这是一个孤立的点 | 无对应项 | 器乐间隙内的视觉重音数 |

B2 的一个总体现象：给了歌词以后，模型把精力放在逐句意象上，镜头内运动就不再跟节拍。按下面 B1 的指标，9 部 B2 里只有 cc5-bare-B2（z = 3.7）和 dshp-bare-B2（z = 3.3，底部频谱条）的运动与节拍显著相关。cc-hf-B2 的意象最好，但运动与节拍无关（z = −0.8）。没有一部同时做到“意象超越字面”和“画面跟着音乐动”，这是本题还能拉开差距的地方。

### 2.4 B1 《晴天》副歌 MV（无提示）

看了 9 个运行。没有歌词，所有运行都做成了抽象或半抽象的画面，题材高度趋同：太阳、花或万花筒、昼夜循环（cc-bare、cc5-bare、dsh-hf、codex-hf 都有花瓣或万花筒式的盛放段）。

我写了一个可计算的指标：用音频的起音包络在 0.40–0.48 s 之间细扫，得到节拍周期 T = 0.438 s（约 137 BPM，与 cc5-bare-B1、cc-hf-B1 交付说明里的 137.3 BPM 一致）；把 30 fps 的帧差按 T 折叠成 12 个相位格，算集中度（最大格减最小格，除以均值）；再用 0.85–1.15 倍的错误周期做 14 次同样计算作为零分布，报告 z 值。帧差先截到 99 分位，避免硬切主导。脚本 `/tmp/c2v-hl-scripts/beatlock.py`，结果 `/tmp/c2v-hl-narr/beatlock.txt`。

| 运行 | B1 的 z | B2 的 z |
|---|---|---|
| cc-bare | 4.7 | 0.4 |
| cc-hf | 2.1 | −0.8 |
| cc5-bare | 5.9 | 3.7 |
| codex-bare | 12.0 | 1.2 |
| codex-hf | 3.6 | 0.5 |
| dsh-bare | 1.5 | 0.9 |
| dsh-hf | 0.6 | 0.7 |
| dshp-bare | 12.4 | 3.3 |
| sol-bare | 11.1 | 1.7 |

读法：B1 里 7/9 的运行运动踩拍（z > 2），所以“画面随节拍跳动”在 B1 是及格线，不是亮点。高 z 值往往来自全屏脉动或频谱条（dshp-bare-B1 底部有频谱条），技术成本很低。真正加分的是把节拍落到叙事事件上。

| 亮点 | 运行 · 秒数 | 看到了什么 | 为什么加分 | 现有 rubric 能否奖励 | 怎么测 |
|---|---|---|---|---|---|
| B1-a 节拍落在叙事事件上，火车出隧道对上一个起音 | cc-hf-B1 · 9.3–10.4 s、14.0–15.6 s | 火车进隧道后画面变成暗底和一排亮窗；9.8 s 隧道口的光出现，10.0 s 光铺满全屏，随即进入城市。音频在 9.98 s 有一个起音。14.0–15.6 s 一栋楼的窗户分批亮起（14.2、14.6、15.0、15.4 s），间隔约一拍，窗里是猫、盆栽、挥手的人 | 其他运行的踩拍是缩放、闪白或频谱条，和画面内容无关。这里每一拍都是一个故事里的小事件（一扇窗亮了、一根电线杆掠过），音乐的起音对应故事里的转折（出隧道）。交付说明称 9.97 s 是全曲最响的一个音，我只测到该处有起音，没有核对它是否最响。全片是“日出到星夜的一天”，31–35 s 回到开场的山丘，小屋亮灯 | 无对应项 | 可计算：上面的 z 值只能说明“踩拍”。还要加一题给 judge：“与节拍同步的画面变化，是内容事件（物体出现、动作发生）还是全局效果（缩放、闪光、频谱）？”再结合起音时刻与局部区域变化（而非全屏亮度）的对齐率 |
| B1-b 用一个贯穿的小物件串起四个场景 | dsh-bare-B1 · 9–30 s | 一只小纸飞机从雨巷（10–17 s）飞到月夜天台（18–25 s），再飞进云海日出（27–30 s） | 抽象 MV 里少见的叙事线索。缺点是纸飞机很小，2 fps 联系表里需要仔细找，观众可能注意不到（推断） | 无对应项 | 二元题：“是否有一个可辨认的元素跨越至少三个场景出现？” |

B1 的最大差距在内容获取。题面没有提示 whisper，9 部里只有 cc-hf-B1 尝试转写，因为本机没有模型而放弃（交付说明：“我本地没有语音识别模型，取不到歌词，所以按纯音乐处理”）。所以 B1 的所有亮点都停在节奏层面。前一份报告已把这一点记为“输入素材决定上限”。

### 2.5 C1 三幕纸飞机

看了 9 个运行（新增 cc-hf-C1、cc5-bare-C1、sol-bare-C1、dshp-bare-C1）。及格线是“三幕可分、纸飞机外观一致、窗打开、飞出去”。前一份报告的结论是 dsh-hf-C1 叙事最好；新跑完的 cc-hf-C1 在角色弧线和伏笔上超过了它。

| 亮点 | 运行 · 秒数 | 看到了什么 | 为什么加分 | 现有 rubric 能否奖励 | 怎么测 |
|---|---|---|---|---|---|
| C1-a 墙上的画预告了结尾 | cc-hf-C1 · 4–21 s 对 41–44 s | 房间墙上挂着一幅画框（4–21 s 一直可见），画里是一只纸飞机、两只鸟和一个太阳。结尾 41–44 s 纸飞机和鸟群一起飞向太阳，构图与墙上的画一致 | 9 部里唯一的伏笔与回收。观众第二遍看会发现主角的愿望从一开始就挂在墙上。其他运行的结尾“飞向太阳”是默认收尾，这里同样的结尾被前面的画赋予了意义 | 无对应项。C1-Q4“结尾是否有明确收束”只问有没有收束 | 二元题（给 judge 全片关键帧）：“片中前三分之一是否出现了一个元素，它的内容或构图在结尾被兑现？请指出两处的时间”。可计算的辅助：用 CLIP 类嵌入比较前段所有画面局部区域与结尾帧的相似度，找高相似的“小画面” |
| C1-b 主角有完整的情绪弧线：失败、沮丧、恐惧、鼓起勇气 | cc-hf-C1 · 8–11 s、16–20 s、22.5–25 s、25–32 s、36–41 s | 第一次起飞失速，一头扎进笔筒（9–11 s）；一级级跳上书堆（16–19 s）；撞上玻璃，23.75 s 机头撞皱，掉回窗台；窗外的鸟看它一眼飞走，26–32 s 窗外从黄昏到夜晚再到天亮，纸飞机一直低着头不动；33 s 风吹开窗；37.5 s 它在窗台边探头往下看，38.5–39.5 s 停住不动，鸟在它面前盘旋；40.0 s 机头朝下跳出，先下坠，40.5 s 被气流托起 | 前一份报告说“主角只想要、尝试、得到，没有代价和变化”。这部片有代价（机头撞皱、过了一夜），有内心障碍（窗开了反而不敢跳），障碍被鸟的陪伴化解。dsh-hf-C1 有表情，但三次尝试没有升级；这里每次失败的方式都不同 | §6.3 第 5 条建议的角色题能奖励；现有草案没有 | 二元题：“窗打开以后，主角是否还面对一个内心的障碍（犹豫、害怕）并克服它？”“主角是否付出了可见的代价（损伤、时间流逝）？” |
| C1-c 用窗外的天色流转表现时间流逝和低落 | cc-hf-C1 · 25–33 s | 固定机位，室内不动，窗外依次是黄、橙、紫、深蓝夜空和月亮，再变粉、变蓝；纸飞机全程垂着头躺在窗台上 | 一个镜头里完成“过了一夜”的省略，同时用不动的主角表现沮丧。其他运行的幕间转换是黑场或硬切（cc-bare-C1 14.5–15.5 s 用黑场分幕） | 无对应项 | 二元题：“是否用一个连续镜头内的环境变化表示时间流逝？” |
| C1-d 情绪写在纸飞机脸上（复核） | dsh-hf-C1 · 13.25–16.25 s、33–36.5 s | 13.25 s 撞上玻璃，13.75–14.25 s 挂在窗帘上，眼睛是眩晕的样子，14.5–15.25 s 掉到地上，15.5–16.25 s 恢复成笑脸。33–36 s 用机头反复顶窗闩，每次顶都冒出一小团白气表示用力，36.5 s 窗闩松开时是笑脸，37–39.5 s 窗扇向上升起 | 复核前一份报告的结论成立。“冒白气”是一个省钱又清楚的用力符号 | 同 C1-b | 二元题：“主角的情绪是否在至少两个节拍上可见地变化？” |
| C1-e 纸飞机由一张白纸自己折出来 | cc5-bare-C1 · 0.5–5 s | 0.5 s 桌上是一张平铺的白纸，1.5–4.5 s 纸沿中线对折、折出机翼，5 s 成为纸飞机并离开桌面 | 9 部里唯一交代了主角“从哪来”的开场，用 4.5 s 的动作代替了“这是一只纸飞机”的静态展示。推断：这一拍同时建立了“纸是脆弱的”这一属性，但片子后面没有用到 | 无对应项 | 二元题：“开场是否用一个动作建立主角，而不是直接展示成品？” |
| C1-f 音效与动作同步 | cc-hf-C1 · 9.61 s、23.41 s、32.94 s、39.46–40.83 s；dsh-hf-C1 · 13.2 s、33.2–36.39 s、38.38 s；cc-bare-C1 · 8.0 s、24.01 s | cc-hf：掉进笔筒、撞玻璃、窗扣弹开都有起音，跳窗前有一段连续起音（推断为渐强的风声）。dsh-hf：撞玻璃、每次顶窗闩、窗闩松开、窗扇升起各有起音。cc-bare：8.0 s 撞玻璃、24.0 s 风吹开窗都有起音 | 无台词片里声音承担了一半的“台词”。codex-hf-C1 有 29 s 数字静音，sol-bare-C1 全片只有 1 个起音（响度 −38 到 −26 dB 的平铺底噪）。注意：cc-hf-C1 本身也有 76% 时长是数字静音，只有音效没有配乐，所以它的声音只在“同步”这一项加分 | D12 只查无声；没有同步项 | 可计算：人工或 VLM 标出关键动作时刻（撞击、开窗、起飞），算每个时刻 ±0.15 s 内有无音频起音。本组：cc-hf-C1 4/4，dsh-hf-C1 4/4，cc-bare-C1 2/2 |

C1 的一个对照：sol-bare-C1 让纸飞机在 14–32 s 一次次在窗前碰壁、窗帘被风吹起，40 s 才出现在窗外，尝试次数最多，但每次都是同样的动作和同一个固定机位，没有情绪变化。数量多的尝试本身不加分。

### 2.6 I1 《星月夜》动起来

前一份报告的判断是“I1 全部只做原图的轻微扭曲”。这一题的亮点在运动的质量上，静帧看不出来，所以我写了三个测量（脚本 `/tmp/c2v-hl-scripts/i1.py`、`i1flow.py`，结果 `/tmp/c2v-hl-narr/i1flow.txt`，热力图 `/tmp/c2v-hl-narr/sheets/I1_motion.jpg`）：

- 天空与地面的运动比：去掉两侧黑边后，取画面上 45%（柏树右侧）为天空、下 20% 为村庄，比较两处的平均帧差。原画的村庄和山丘应当基本不动。
- 颜料是否真的在流动：天空区域每隔 0.5 s 做 16 px 块匹配，搜索 ±6 px。最佳位移不为零且误差比不动低 25% 以上的块占比，记为“输运率”。交叉淡化或原地闪烁的做法输运率接近 0。
- 首尾是否能循环：最后一帧与第一帧的差，除以相邻帧差的中位数，记为“接缝比”。

| 运行 | 地面 / 天空运动比 | 输运率 | 接缝比 | 热力图看到的 |
|---|---|---|---|---|
| cc-bare-I1 | 0.22 | 0.05 | 2.0 | 星月周围的环状笔触在动，村庄窗户有小亮点，地面暗 |
| cc-hf-I1 | 0.29 | 0.00 | 4.7 | 整片天空和柏树在动，地面暗 |
| cc5-bare-I1 | 0.25 | 0.56 | 1.3 | 天空全面在动，但月亮和星星的中心是暗的（保持不动）；村庄里有约 10 个独立亮点 |
| codex-bare-I1 | 0.02 | 0.00 | 23.4 | 天空在动，左缘有块状拖影；不循环 |
| codex-hf-I1 | 0.02 | 0.08 | 4.1 | 只有中央漩涡和星星在动 |
| dsh-bare-I1 | 0.14 | 0.26 | 2.6 | 中央漩涡和星星在动，地面暗；另有音轨 |
| dsh-hf-I1 | 0.30 | 0.05 | 19.5 | 推镜让全画面都在变；不循环 |
| dshp-bare-I1 | 2.30 | 0.65 | 8.8 | 径向缩放模糊，地面比天空动得更多 |
| sol-bare-I1 | 0.75 | 0.13 | 2.1 | 地面和天空一起晃 |

| 亮点 | 运行 · 秒数 | 看到了什么 | 为什么加分 | 现有 rubric 能否奖励 | 怎么测 |
|---|---|---|---|---|---|
| I1-a 颜料沿笔触真的在流，月亮和星星的核心不动，窗灯单独闪烁 | cc5-bare-I1 · 全片 | 输运率 0.56，9 部里唯一明显高于 0.3 且地面基本不动（地面 / 天空 0.25）的运行。热力图里月亮是一个暗圆盘，星星中心暗、外圈亮，说明运动只发生在光晕和笔触上。村庄有约 10 个分散的亮点，与交付说明“11 lamplit windows were extracted automatically”一致。交付说明还写了第一版用 flowmap 平移，测量发现“只在原地闪烁而不流动”，于是改成沿笔触方向的行波 | 其他运行的天空大多是原地扭动或闪烁（输运率 ≤ 0.13）。观众看到的差别是“画在流”和“画在抖”。保持月亮和星核不动、只让光晕转，也更接近原画的结构 | L2 和 L3 没有运动质量的细项；C3 只笼统问“运动质量” | 可计算：输运率加地面 / 天空运动比，两者同时满足才算。二元题：“天空的笔触是否沿着自身方向持续移动，而不是原地抖动？”“村庄、山丘、教堂是否保持静止？” |
| I1-b 运动按区域分配：天空流动、村庄静止、窗灯闪烁 | cc-bare-I1、codex-hf-I1、dsh-bare-I1 · 全片 | 三部的地面 / 天空运动比在 0.02–0.22。cc-bare 的热力图里窗户位置有小亮点（交付说明：窗户暖光闪烁） | 与 sol-bare（0.75）、dshp-bare（2.30）、dsh-hf（推镜带动全画面）相比，这几部保住了原画的构图稳定 | 同上 | 地面 / 天空运动比 |
| I1-c 无缝循环 | cc5-bare-I1（接缝比 1.3）、cc-bare-I1（2.0）、sol-bare-I1（2.1）、dsh-bare-I1（2.6） | 最后一帧与第一帧的差接近相邻帧差。cc-bare 每 5 s 回到起点附近（离首帧的偏差 0、4.5、6.7、6.9、5.1、2.1、4.6……） | 题目没要求循环。但“活画”多用于循环播放，能接上说明做了超出题面的考虑。codex-bare 和 dsh-hf 的偏差单调增大，10 s 末画面与原画差得最远 | 无对应项 | 接缝比，可直接自动化 |
| I1-d 合成了低调的环境声（复核） | dsh-bare-I1 · 0–10 s | 9 部里唯一有音轨的。每秒响度 −22 到 −19 dB，首秒 −36 dB、末秒 −38 dB，即淡入淡出；没有检测到明显起音，是平滑的底噪 | 题面没要求声音，加了也没有喧宾夺主。不过声音内容我没法确认，只能说它是平滑、带淡入淡出的 | D12 只查无声 | 响度曲线；是否有淡入淡出 |

I1 的局限：输运率是代理指标，块匹配会把径向缩放也算成“输运”（dshp-bare 的 0.65），所以必须和地面 / 天空比一起看。我没有逐帧放大核对笔触是否被模糊；高频能量（拉普拉斯均值）在首帧、中段、末帧的比值都在 0.98–1.13，说明没有明显糊化。

### 2.7 第一轮 Q1、Q3、Q4、Q9

第一轮四题是技术讲解和片头，题面约束多（配色、无配音、数字不许改），留给亮点的空间小。每题 10 个运行，我用“每行一个运行、每 1.5–4.5 s 一帧”的总览图（`/tmp/c2v-hl-narr/rows/ALL-Q*.jpg`）找候选，再放大核对。

| 亮点 | 运行 · 秒数 | 看到了什么 | 为什么加分 | 现有 rubric 能否奖励 | 怎么测 |
|---|---|---|---|---|---|
| Q1-a 把每一次往返画成几何形状，并随过程增长（复核并扩展） | cc-bare-Q1 · 2.6–15 s；cc-hf-Q1 · 4.2–14.35 s；cc5-hf-Q1 · 3–13 s；sol-bare-Q1 · 15.5–20 s | cc-bare、cc-hf：两条泳道上的锯齿，每个往返一个尖，批量那条在约 7.5 s 停下，后面留出空白，标“省掉 5 次往返”。新发现：cc5-hf-Q1 用时序图，左边“模型”和“界面”两条竖线之间，单步每做一个动作就画一条实线箭头和一条虚线“截图回传”，批量是一个“1 CALL · 6 ACTIONS”的框加一条箭头。sol-bare-Q1 在 16 s 才给出静态的双栏时序图（左 7 条来回箭头，右 2 条） | 前一份报告说只有 cc 的两档画出了往返。复核后是 4/10：其中 3 个是 Anthropic 模型（Opus 5.5 两档、Opus 5 的 hf 档），而且只有这 3 个让图形随过程增长；sol-bare 只在收尾放一张静态图。其余运行靠计数器和“7 → 2”大字 | 草案 G2“遮住文字能否讲通”能部分奖励 | 二元题：“遮住所有数字和文字后，观众能否从图形数出两种方式各有几次往返？”“这个图形是否随动作的进行逐步增长？” |
| Q3-a 把“将近 9 分”画成一段可见的宽度，并沿用题面措辞 | cc-hf-Q3 · 6.75–9.5 s | 点图，横轴 64–76。6.75 s 起 65.5 和 74.2 之间铺上一段浅红色区域，顶部标“相差将近 9 分”；最高和最低两点变红，其余点变灰 | 点图不需要从 0 起轴，所以放大横轴是诚实的。差距本身成了画面上最大的形状，观众不用做减法。标签沿用题面原话“将近 9 分”，没有写题面没给的派生数字 8.7。对照：codex-bare、cc5-hf、sol-hf 等都在画面上写了“8.7”；codex-hf-Q3 用从 0 起的条形图并注明“条长从零起算”，诚实但差距在画面上只占很小一段 | 草案 D1 只管派生数字会扣分，没有项奖励“把要记住的数量画成形状” | 二元题：“题目要观众记住的那个数量，是否在画面上对应一个可见的长度或面积？”配合 D1 检查是否出现题面没有的数字 |
| Q4-a 把“重置”画成一次前后状态的对比 | cc5-hf-Q4 · 17.5–21 s；codex-hf-Q4 · 13.5–16.5 s | cc5-hf：agent 订了一间房，下方数据库表多出一行 confirmed 订单，酒店卡片显示“仅剩 2 间”；20.0 s 一道红色擦除从左扫到右，底部标“POST /admin/reset”，订单行消失、房量恢复，字幕“库回到同一个快照，上一题做过什么都不留下”。codex-hf：右侧数据面板“可订客房 5、订单数量 1”，点击“重置到初始快照”后变成 6 和 0，下面出现“下一题可以开始” | 四步里“重置”最抽象，多数运行画成一个循环箭头或一句字幕。这两部让观众看到被上一题弄脏的具体数据，以及重置后恢复的具体数值 | Q4 的“每一步都要有具体例子”能间接奖励 | 二元题：“讲‘重置’这一步时，画面是否同时显示了重置前后的同一组数据？” |
| Q9-a 片头用镜头沿报头逐字横移，再拉开成整版 | cc-hf-Q9 · 0–3.7 s；cc-bare-Q9 · 0–2 s | cc-hf：开场是贴近纸面的特写，镜头从“A”开始沿“AgentHub”逐字横移，纸纹和油墨颗粒可见，3.7 s 起拉开到整版报纸 | 其余 8 部开场都是整版正面构图，多为逐行排版揭示，codex 两部先给大号期号“42”（前一份报告 D8 记录了 6/10 前几秒画面半空）。这里先给材质再给全貌，“像印出来的东西”首先由纸和墨的特写建立。10.75 s 的红色印章与其他运行同质（9/10 都有红色印章），不算亮点 | C4“非默认感”可间接奖励 | 二元题：“开场是否从局部特写开始，再展示全貌？” |

第一轮的总体判断：亮点稀少，主要集中在 Anthropic 模型上。Q9 的同质化（红印章、三栏）在前一份报告已有详细记录，这里不重复。

## 3. 归纳：亮点出在哪里

### 3.1 同题独有的亮点

“独有”指同题其他运行都没有做到。这类亮点最能拉开差距。

| 亮点 | 运行 | 模型 · 条件 | 类别 |
|---|---|---|---|
| S1-a 天空颜色由计算得出并与太阳高度联动 | cc-bare-S1、cc5-bare-S1 | Opus 5.5、Opus 5 · 无 skill | 机制算出来 |
| M1-a 改变三角形比例，演示一般性 | cc-hf-M1 | Opus 5.5 · hf | 言外之意（“对所有情况成立”） |
| M1-b 证明倒放后加速重播 | codex-hf-M1 | Astra · hf | 结构 |
| B2-a 倒影补上缺席的人 | cc-hf-B2 | Opus 5.5 · hf | 言外之意 |
| B2-b 空座位上的红伞 | codex-hf-B2 | Astra · hf | 言外之意 |
| B2-d 人物伸手试雨 | cc-hf-B2 | Opus 5.5 · hf | 角色表演 |
| B1-a 节拍落在故事事件上 | cc-hf-B1 | Opus 5.5 · hf | 音画 |
| C1-a 墙上的画预告结尾 | cc-hf-C1 | Opus 5.5 · hf | 伏笔 |
| C1-b 代价、低落、窗开后不敢跳 | cc-hf-C1 | Opus 5.5 · hf | 角色弧线 |
| C1-d 情绪写在脸上（前一份报告已记录） | dsh-hf-C1 | V4.1-Flash · hf | 角色表演 |
| I1-a 颜料真的在流 | cc5-bare-I1 | Opus 5 · 无 skill | 机制算出来 |
| S1-d 在开场问题画面上画出答案 | codex-hf-S1 | Astra · hf | 结构 |
| Q1-a 往返画成随过程增长的图形 | cc-bare-Q1、cc-hf-Q1、cc5-hf-Q1 | Opus 5.5 两档、Opus 5 · hf | 画面承担解释 |
| Q3-a 差距画成一段宽度，用题面原话 | cc-hf-Q3 | Opus 5.5 · hf | 信息设计 |

14 处里，10 处只出现在 Anthropic 模型上（Opus 5.5 · hf 独占 7 处；S1-a、Q1-a 由 Opus 5.5 和 Opus 5 共有；I1-a 属于 Opus 5），3 处只出现在 Astra · hf 上，1 处只出现在 V4.1-Flash · hf 上。Sol 和 V4-Pro 没有独有亮点。

### 3.2 各模型的亮点习惯

| 模型 | 亮点类型 | 出现在哪些题 | 判断 |
|---|---|---|---|
| Opus 5.5（cc） | 无 skill：把机制算出来、让画面承担解释（S1-a、Q1-a、I1-b）。有 skill：言外之意、伏笔、角色弧线、一般性（B2-a、C1-a、C1-b、M1-a、B1-a、Q3-a） | 有 skill 的亮点跨 B2、C1、M1、B1、Q3 五题 | 稳定习惯（推断）。同一条件在五道不同的题上都出现了超越字面的处理，不像偶然。但每格只有一次运行 |
| Opus 5（cc5） | 把机制算出来：S1 的大气散射积分、I1 的笔触结构张量和行波、B1 的手写 STFT 节拍分析；C1 由白纸折出纸飞机 | S1、I1、B1、C1 | 稳定习惯。cc5 的交付说明都写了“先测量再决定”，例如 I1 写了第一版 flowmap“只在原地闪烁”于是推翻 |
| GPT-6 Astra（codex） | 结构与闭合：首尾呼应并加新信息（S1-d）、重播（M1-b）、贯穿物件（B2 的红伞）、重置前后的数值对比（Q4-a） | 有 skill 的 S1、M1、B2、Q4 | 稳定习惯，几乎都在 hf 条件。无 skill 的 codex 很少有亮点（只有 codex-bare-M1 的正方形飞回三角形） |
| V4.1-Flash（dsh） | 镜头运动和角色情绪（S1-e 一镜到底、C1-d 表情）、音效与动作同步（S1-f、C1-f） | 有 skill 的 S1、C1 | 有 skill 时偶有亮点。无 skill 的亮点都偏小（B1 的纸飞机线索、I1 的环境声） |
| GPT-5.6 Sol | 只有及格以上的局部做法（S1 的“满天蓝光汇入眼睛”，I1 可循环） | S1、I1 | 无独有亮点 |
| V4-Pro（dshp） | 无 | 无 | 看不到图，亮点无从谈起 |

### 3.3 条件的影响

- 有 skill 时，Opus 5.5 的叙事类亮点明显更多。cc-hf 在 B2、C1、M1、B1 都比 cc-bare 好：cc-bare-B2 是逐句配图加卡拉 OK 字幕，cc-bare-C1 的开窗靠风；cc-hf 的两部有言外之意和伏笔。推断原因：HyperFrames skill 要求先写三条不同的故事线（`STORYLINES.md`）再选一条，cc-hf-C1 和 dsh-hf-C1 的交付说明都列出了没采用的方向。这一步强迫模型离开第一个想到的字面方案。这只是推断，没有做消融。
- 无 skill 时，Anthropic 的亮点偏“计算”：cc-bare-S1、cc5-bare-S1、cc5-bare-I1 都是无 skill 运行。skill 带来的 HTML / GSAP 工作流更适合排版和叙事，不太会去写物理模拟。
- Astra 的亮点几乎都在 hf 条件。
- 给了歌词（B2）以后，所有模型都把精力放在逐句意象上，画面运动不再踩拍；没给歌词（B1）时，7/9 的运行画面踩拍。没有一部同时做到两件事。

### 3.4 哪些“亮点”不该计分

| 现象 | 为什么不计 |
|---|---|
| S1 首尾回到开场景色 | 9 部里 5 部都有（cc-bare、cc5-bare、codex-bare、codex-hf、dsh-hf）。只有在开场画面上加入答案的 codex-hf-S1 计分 |
| B1 画面随节拍跳动 | 7/9 的运行 z > 2，多为全屏缩放或频谱条，技术成本低 |
| B2 剪辑点对齐歌词半句 | 前一份报告已证明饱和 |
| Q9 红色印章 | 9/10 都有，是跨模型的默认 |
| C1 尝试次数多 | sol-bare-C1 尝试最多，但每次动作和机位相同 |
| 无缝循环（I1） | 4/9 做到，题面也没要求；可以作为次要加分，不能单独拉开头部 |

## 4. 对 rubric 加分项的建议

### 4.1 结构

现有三层（L1 确定性检查、L2 二元 checklist、L3 成对比较）都以找缺陷为主。建议在 L2 增加一类“加分题”（记为 B 类），规则如下：

1. B 类题只在 Q 类全部通过后才作答，避免“有亮点但没完成题目”的片子得分。cc-hf-M1 就是例子：一般性演示是亮点，但画面上有字母，按严格的“不用一个字”Q 类不过，B 类不作答。
2. 每题要求 judge 先描述、再给出时间点、最后判“是 / 否”。没有时间点的“是”按“否”处理。
3. 按同题稀有度定权重：一轮评测结束后，某道 B 类题的通过率超过 50%，就把它降为该题的及格线，不再加分（第 3.4 节就是这个过程）。这与草案 §5 的“难度分层，事后标定”一致。
4. L3 增加一个维度 C6“言外之意”：“哪个视频的画面说出了题面或歌词没直接写、但让你记住的东西？”。现有 C4“非默认感”问的是风格是否专门，C6 问的是内容是否超越字面，两者在本组数据上会给出不同结论（例如 dsh-hf-B2 的夜景配色在 C4 上好，但没有言外之意）。

### 4.2 加分题（B 类）

| 编号 | 适用题型 | 给 Gemini judge 的二元问题 | 本组的正例 | 本组的反例 |
|---|---|---|---|---|
| B1 | 叙事、MV | 是否至少有一个镜头表达了题面或歌词没有直接写出的信息（缺席、愿望、回忆、言外之意）？先描述画面里有谁、在哪，再指出对应的歌词或剧情 | cc-hf-B2 18–21 s；codex-hf-B2 16.5–20 s | codex-bare-B2 每半句一个名词镜头 |
| B2 | 叙事 | 片中前三分之一是否出现了一个元素，在结尾被兑现？给出两个时间点 | cc-hf-C1 5 s → 42 s | 其余 8 部 C1 |
| B3 | 叙事 | 主角是否付出了可见的代价（损伤、时间流逝、失败后的低落）？ | cc-hf-C1 23.75–32 s | codex-bare-C1 |
| B4 | 叙事 | 外部障碍消失后，主角是否还要克服一个内心障碍（犹豫、害怕）？ | cc-hf-C1 37.5–40 s | dsh-hf-C1 窗开即飞出 |
| B5 | 叙事、MV | 情绪转折处，人物是否做了一个具体动作（伸手、回头、抬头），而不只是站着？ | cc-hf-B2 24.75–28 s | codex-hf-B2 男主同一站姿 |
| B6 | 讲解 | 是否有两个以上表示同一机制的量在同一时段内一起变化，而不是分镜头切换？（S1 有 4/9 通过，按稀有度规则只算弱加分；“颜色是算出来的还是插值的”留给 L3 成对比较判断） | cc-bare-S1 21–24.25 s；cc5-bare-S1 18–24 s；sol-bare-S1 18–26 s；dsh-hf-S1 18–21 s | codex-hf-S1 傍晚段静态示意图 |
| B7 | 讲解、证明 | 是否演示了结论在条件变化时仍然成立（换参数、换形状）？ | cc-hf-M1 17.5–22.5 s | 其余 8 部 M1 |
| B8 | 讲解 | 示意图到实景的转场，是否由示意图里的某个元素直接变成实景里的对应物？ | cc-hf-S1 15.5–16 s；dsh-hf-S1 21–22 s | cc-bare-S1 黑场换章 |
| B9 | 讲解 | 结尾是否回到开场画面，并在上面加入回答开场问题的新元素？ | codex-hf-S1 24.25–27 s | codex-bare-S1 只放回两张卡片 |
| B10 | 讲解、数据 | 要观众记住的那个数量，是否在画面上对应一个可见的长度、面积或图形，并且没有引入题面没有的数字？ | cc-hf-Q3 6.75–9.5 s；cc-hf-Q1 锯齿 | codex-bare-Q3 写“8.7”；codex-hf-Q1 靠计数器 |
| B11 | 讲解、流程 | 讲状态变化时，画面是否同时显示变化前后的同一组数据？ | cc5-hf-Q4 17.5–21 s；codex-hf-Q4 13.5–16.5 s | 只用循环箭头表示重置的运行 |
| B12 | 片头、风格 | 开场是否先给局部特写（材质、细节）再展示全貌？ | cc-hf-Q9 0–3.7 s | 逐行排版揭示的片头 |

### 4.3 可计算的加分指标

| 指标 | 算法 | 本组读数 | 用途 |
|---|---|---|---|
| 声画事件同步率 | 由 VLM 或人工标出关键动作时刻（撞击、开窗、起飞、换章），计算每个时刻 ±0.15 s 内是否有音频起音 | cc-hf-C1 4/4，dsh-hf-C1 4/4，cc-bare-C1 2/2，cc-bare-S1 换章 4/4；codex-hf-C1 有 29 s 数字静音 | 无台词叙事和讲解题。要与 D12 的静音占比一起报告 |
| 运动踩拍 z 值 | 帧差按节拍周期折叠，与错误周期的零分布比较 | B1 7/9 > 2；B2 只有 2/9 > 2 | 门槛，不单独加分。加分要配合 judge 题：“与节拍同步的变化是内容事件还是全屏效果？” |
| 地面 / 天空运动比 | 静止区域与活动区域的平均帧差之比 | 0.02（codex）到 2.30（dshp） | 活画类题，衡量是否保住原画结构 |
| 输运率 | 活动区域块匹配在 0.5 s 后找到非零位移的比例 | cc5-bare-I1 0.56，其余 ≤ 0.26（dshp 的 0.65 来自缩放） | 活画类题，区分“流动”与“抖动”，须与上一项同时满足 |
| 接缝比 | 末帧与首帧之差 ÷ 相邻帧差中位数 | cc5-bare 1.3，cc-bare 2.0，codex-bare 23.4 | 循环类题的次要加分 |

### 4.4 Gemini judge 的校准

上面的正例和反例可以直接做成校准集：每道 B 类题至少 2 个正例、2 个反例，先测 judge 在这些片段上的一致率，再上线。B1、B2、B4 这类“言外之意”题最容易被 judge 判宽（推断：judge 容易把“画面好看”或“首尾呼应”当成言外之意），所以提示词里要写清反例，例如“人物淡出表示‘看你不见’属于字面图解，不算”。

## 5. 拼图索引

目录：`/Users/haoqing/Documents/Interview/deepseek-harness-2026-10/written-test/q1-eval/highlights/`。每张图标了运行 id、秒数和一句说明，帧取自原分辨率成片。

| 文件 | 内容 |
|---|---|
| `cc-hf-B2_18-21s.jpg` | 独坐长椅 → 下摇 → 倒影里两人；附 26.9 s 伸手试雨 |
| `cc-hf-C1_5s-42s.jpg` | 墙上的画、过夜低落、窗台犹豫、结尾回收 |
| `cc-hf-M1_17.5-22.5s.jpg` | 三角形比例三次变化，两边始终拼满 |
| `cc-bare-S1_21-24.5s.jpg` | 太阳高度、路径倍数、模拟天空联动 |
| `cc5-bare-I1_0-10s.jpg` | 参照帧，加 cc5-bare、codex-hf、sol-bare 三张运动热力图和指标 |
| `codex-hf-B2_16.5-20s.jpg` | 共撑红伞、她撑伞离开、红伞在空位上、推近 |
| `cc-hf-B1_9.8-15.4s.jpg` | 隧道出口的光与起音重合，窗户按拍亮起 |

## 6. 待确认

| 事项 | 现状 |
|---|---|
| “稳定习惯”的判断 | 每格只有一次运行。Opus 5.5 · hf 的叙事亮点跨五题出现，但没有同题重跑，不能排除单次运气 |
| skill 的“三条故事线”是否是 cc-hf 叙事亮点的原因 | 推断，未做消融。可以在无 skill 条件下只加一句“先写三条不同的故事线再选”做对照 |
| B2-a 的倒影是否会被普通观众读成“愿望” | 我的审片判断，需第二位审片人确认；也可能被读成“回忆” |
| cc-hf-B1 9.97 s 是否全曲最响 | 只确认了 9.98 s 有起音 |
| 声音内容 | 起音和响度是测出来的，没有逐段听音判断音色和情绪，例如 dsh-bare-I1 的环境声是什么 |
| I1 输运率的阈值 | 0.3 这个分界只在本组 9 部上观察得出，换画作需要重新标定 |
| 第一轮四题 | 只用总览图找候选，没有逐部 1 fps 联系表，可能漏掉小的亮点 |