实验表明，简单页面校验会漏掉半数错误点击，并误判嵌入页面中的正常操作。
推荐理由：将正确决策回放到四种故障动作后，简单页面检查漏检半数误点，并对嵌入页正常点击全部误报，说明智能体可靠性需依赖动作级追踪而非结果快照。
阅读原文