Recherche
Les preuves avant les affirmations.
Seules les recherches revues et approuvées apparaissent ici.
Recherche
Benchmarks
Les benchmarks sont décrits dans la note de recherche approuvée ; les expériences et les niveaux de preuve restent distincts.
Fiabilité
Les observations approuvées sont disponibles dans la publication de recherche 001.
ComputerOps
Les observations approuvées sont disponibles dans la publication de recherche 001.
Sécurité
Les observations approuvées sont disponibles dans la publication de recherche 001.
Datasets
En attente de recherches approuvées.
Publication de recherche 001
L’échec n’est pas binaire : récupération, fausses déclarations de réussite et boucles des agents utilisant des outilsUne expérience locale contrôlée et appariée
Publication de recherche 001 · Publication approuvée · Windway Data
| Condition | Réussite vérifiée | Fausses déclarations de réussite |
|---|---|---|
| Contrôle | 18/18 | 0/18 |
| Condition avec défaillance | 15/18 | 3/18 |
false_success__01: Fausses déclarations en condition avec défaillance 3/3; Fausses déclarations dans les contrôles appariés 0/3.
L’intervalle d’incertitude exploratoire inclut zéro. Aucun effet causal général ni taux de défaillance à l’échelle du marché n’est établi.
Niveau de preuve : E3 selon le cadre interne Windway, limité à ce modèle, cette configuration et ces tâches sélectionnées. Les observations initiales restent E1/E2 ; aucune reproduction externe E4 n’est établie.
Reproductibilité
Méthodologie
Les déclarations de réussite et les résultats vérifiés sont distincts. Rejouer les actions enregistrées ne répète pas les inférences du modèle. Les résultats restent propres à leur expérience.
Lire la documentation