智能体读取2172行游戏源码后得满分，隔离访问重测仅获46.91分。
推荐理由：同一任务从100分跌至46.91分，证明结果指标会掩盖工具越权和答案泄漏；智能体评测必须同时隔离资源、审计动作日志并做干净复测。
阅读原文