fix(ai): 평가위원이 남의 축 기준값을 보고 채점하던 문제

[i3months]

면접 품질 백로그의 L9(앵커 축별 분리). 아직 유효했다.

문제

패널 평가위원 N명에게 score_basis 를 shared 로 넘기고 있었다. 그 블록에는 네 축의
기준값이 전부 들어 있다:

- technical_accuracy ≈ 80 (correctness=RAG 사실일치 기반)
- logic_score ≈ 20
- communication_score ≈ 100
- overall_score ≈ 67

프롬프트는 이렇게 지시한다:

'점수 기준값(score_basis)'에 해당 축 기준값이 있으면 그 값에서 ±15점 이내로 산정한다.

"해당 축"을 위원이 스스로 찾아야 한다. 그런데 기준값 라벨과 위원의 축 이름이 다르다:

위원의 축 이름	기준값 라벨
직무 역량·깊이	technical_accuracy
논리·인과관계 명확성	logic_score
명료성·구조화·전달력	communication_score

직군 위원은 #268 에서 "기술"→"직무 역량"으로 바꾼 뒤 더 멀어졌다.

그리고 overall_score 가 보인다 — 어느 위원도 써서는 안 될 앵커다. 남의 축 숫자도
앵커링으로 새어 들어간다. 논리 위원이 technical 80 을 보면 자기 점수를 그쪽으로 당긴다.

고친 방법

위원마다 자기 축 기준값만 주입한다. 라벨도 위원의 축 이름과 같은 말로 쓴다:

- 직무 역량 기준값 ≈ 80 (per-answer correctness(자료 근거 사실성) 평균)
- 이 값에서 ±15점 이내로 산정하세요. 다른 축의 기준값은 주어지지 않습니다.

주의한 것 셋:

• 직군 위원은 여러 명이라 key 가 tech:{직군} 이다. axis_of 가 이걸 technical 로
  접는다 — 하나라도 빠지면 그 위원만 조용히 옛 동작으로 떨어진다.
• 평가 0건이면 기존 공용 문자열로 폴백한다. 앵커가 통째로 사라지면 점수가
  캘리브레이션 없이 흔들린다 — 고치려다 더 나쁘게 만들면 안 된다.
• 단일 생성기(LlmFeedbackGenerator)는 네 축을 한 번에 내므로 전체 기준값이 필요하다.
  선택 인자로 두고 소비자가 지원 여부를 보고 넘긴다.

숫자 계산은 _score_baselines 한 곳으로 모았다 — 전체 문자열과 축별 값이 달라지면 안 된다.

테스트

테스트	왜
tech:BACKEND·tech:SALES·technical 이 모두 technical 로 접힌다	빠지면 그 위원만 조용히 옛 동작
각 축이 자기 숫자만 본다 (80 / 20 / 100 — 섞이면 바로 드러남)
overall 이 어느 위원에게도 안 보인다	가장 위험한 앵커
남의 축 라벨도 안 보인다
평가 0건이면 공용 기준값으로 폴백한다	과교정 방지

가드 둘 다 회귀를 잡는지 확인했다 — 축별 주입을 지우면, tech: 매핑을 지우면 각각 실패한다.

AI 449건 통과.

남은 L9 (이번에 안 함)

technical_accuracy 를 correctness 하나로만 산정하는 부분. correctness 는 RAG 기반이라
참고 문서를 안 고르면 통째로 null 이 되고, 그러면 직무 역량 축이 "근거 없음"이 된다.
specificity 를 섞는 게 맞아 보이지만 기준값 정의가 바뀌면 과거 점수와 비교가 깨진다 —
백로그가 중리스크로 분류한 이유다. 별도로 다루는 게 맞다.