Ela não pode classificar as respostas de IA para sua base de código
Uma boa sugestão em um exemplo pequeno diz pouco sobre um projeto maior com convenções existentes. Compare uma correção de bug ou uma refatoração real e, em seguida, verifique o diff resultante e os testes, em vez de avaliar apenas a primeira resposta.
Solução alternativa
Dê aos dois fluxos de trabalho os mesmos critérios de aceitação e revise o código por conta própria.