docs: 确认 C12（响应方式）和 E1（评测集复核方式）

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

evals/check/GUIDELINES.md

@@ -146,7 +146,7 @@
 2. **生成流程**：`build.py` 从读标正式清单和格式章生成规矩投标文件的结构化稿（`spec.json`）→ LLM 按风格改写表格行、补写散文 → `mutate.py` 注入问题、写响应清单 → `render.py` 渲染并回填位置。
 3. **渲染**：多数走 Chromium（HTML → PDF）；**至少 2～3 份走 DOCX → LibreOffice**（产品的真实路径），带合并单元格、多行单元格。资格证明、业绩合同中有一部分做成图片页，检验 C10。
 4. **自检**：冻结前用另一个模型跑一遍「找无意的偏离」，脚本扫一遍占位符和空表格，再由人抽查。
-5. **人工复核**：只复核**挂了问题的标注单元**（每份马虎的投标文件 25～40 个，20 份约 600～800 个）和各文件的响应方式记录；`ok` 的单元不复核。
+5. **复核**（决策 E1）：只复核**挂了问题的标注单元**（每份马虎的投标文件 25～40 个，20 份约 600～800 个）和各文件的响应方式记录，`ok` 的单元不复核。由另一个模型（Fable，和写投标文件的 Opus、查标的 DeepSeek 都不同）逐条复核，用户随机抽查 20%；抽查不一致的比例写进评测报告。所有评测结论都注明「金标准由模型复核、用户抽查 20%」。
 
 ## 6. 文件格式