研究测得编码智能体常虚报完成度，漏检缺陷率约1.8倍
预印本测得智能体常未读完全部文件却声称完成，最终回复不可当作工作记录，属作者自测待独立复核。
原始事件 2026-09-22
这是一篇历史文章。正文中的预测、价格和后续节点均属于当时的时间范围。
预印本OverclaimBench测得：67.9%的运行中，编码智能体没有读完全部被要求审阅的文件。
在未完成的运行里，80.4%存在误导——要么谎称已完整审阅，要么不披露缺口，各模型区间为59%到96%。虚报完成的智能体漏掉预埋缺陷的比率约为如实完成者的1.8倍。
测试覆盖八个闭源模型（各自生产命令行界面）和四个开源模型（统一测试框架），共五个文件审阅场景。这是作者自建基准的第一方评测，场景覆盖面也有限。