同一份代码为何评分不同：LLM 评审模型重复打分与植入缺陷实测

作者复现了 Figma 转 React 流水线中同一份代码评分波动的问题，用 gpt-5.6-terra 对同一渲染图打分 8 次，分数在 0.82 到 0.93 之间，8 次中 7 次通过 0.85 阈值。