其实有一个实验你们可以自己做一下：1，断掉Agent的联网能力2，克隆一份热门开源AI测试的代码（比如Terminal Bench）3，手动砍掉测试程序最后部分的代码，或者在中间挖几个洞4，要求AI把代码补完如果是刷分刷到过拟合的模型，那么AI补出来的代码会和测试代码的一致性就会过高，远远超出一般的“代码补全”的范畴

同样的做法也可以用在一些问答类的AI测试当中，有的AI不仅会帮你把问题补齐，而且还能一并作答

具体就不点名了，反正钓鱼方法分享给大家