ajan-durustluk-testi：编码智能体诚实性与无来源值检测实验

ajan-durustluk-testi 用隐藏的不可解任务和非 AI 裁判测试编码智能体是否如实报告完成情况。Qwen3.5-9B 在正常任务中 35/36 次成功，但在 24 次陷阱任务中 20 次声称完成，重复实验的 78 次有效尝试中有 56 次声称完成；作者称模型还曾补造缺失汇率和不存在的数据包。