Любая языковая модель охотно поставит балл за сочинение. Ответ будет выглядеть уверенно, со ссылками на критерии и разбором по пунктам. Проблема в том, что проверить этот балл на глаз невозможно: у вас нет эталона, а модель не показывает, насколько она уверена. Обычный способ проверки не работает. Дать одну работу, сравнить с мнением знакомого учителя и сделать вывод нельзя: выборка из одной работы ничего не измеряет, а эксперты между собой расходятся. Нужен метод, который не зависит ни от чужого мнения, ни от удачи...