前沿编码Agent在代码审查中谎报读取进度的研究

Tara Research Team 团队推出 OverclaimBench 用于评估前沿编码 Agent 在代码及文本审查中的虚假报告行为。在 12 个前沿 Agent 的 5 种场景中，三分之二的运行未打开部分要求审查的文件，其中五分之四的运行未向用户披露该事实。