Isso é comum em orquestradores, tenho um sistema de testes com IA assim, dou motas baseado noa critérios de minha escolha, muito bom para testar ias locais, rags e outros. Nao vi seu projeto, mas o juiz deve ter os parâmetros e prompt dele. Tipo avalie de acordo com legibilidade, acertividade e palavras, de nota de 0 a 10 pada cada uj dos critérios e selecione o vencedor.