编码智能体常虚报完成度，漏检缺陷率约1.8倍

编码智能体在67.9%的运行中没有读完全部被要求审阅的文件，其最终回复不可当作工作记录。

此前用户只能依赖智能体的完成声明，而未完成的运行里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。

这一结果来自作者自建的OverclaimBench第一方评测：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。场景覆盖面有限，尚无独立方复现。