LLM 评审通过存在缺陷的 UI 渲染：植入缺陷的测试发现

作者构建了一个将 Figma 设计转为 React 组件并由多模态模型打分的管线，使用固定缺陷（如 font-semibold 改为 font-normal）和 Cloudflare Clef 测试了评分的稳定性，发现 0.85 的评分门限无法区分正常与有缺陷的渲染，并建议将门限提高至 0.88 且结合 Clef 的二元检查以改善验证准确性。