interactive-judge

생성물이 실제로 동작하는 런타임 환경에서 계획된 사용자 행동을 실행하고 상호작용 추적을 수집한 뒤 루브릭에 따라 평가 점수를 산출하는 평가 파이프라인이다. Action planner가 단일 패스로 행동 리스트를 생성하고 Playwright 기반 렌더 서버가 이를 실행한 뒤 샘플 프레임을 모델이 채점하는 방식으로 구성된다. 정적 스크린샷 기반 평가는 포착하지 못하는 동적 동작과 다중 페이지 워크플로를 검증할 수 있어 프론트엔드 과제에서 보상 해킹을 줄였다.