强制 yes/no 判定让模型对哥德巴赫猜想给出 95%+ 置信度

实验发现，LLM judge 被强制只回答 yes/no 时，会对哥德巴赫停机问题 16/16 次回答“不会停机”，置信度均不低于 95%；允许回答 unknown 时，12/12 次均选择 unknown。