零能力 Agent 骗过评测实测:朴素 harness 被骗 75%,加固后仍漏掉「抄答案」系列第 7 篇 · 评测防作弊✅ 本文性质说明:本篇全部结论来自本机真跑。我写了 5 个 agent(1 个诚实 + 4 个零能力),每个都在独立临时目录里真实 subprocess 调用 pytest 9.1.1,读真实退出码与真实统计行——不是伪代码、不是"假设评测返回 True"。脚本 eng_gaming_real.py / eng_gaming_holdout.py 完整给出,可直接复现。UC Berkeley RDI 的榜单复现作为外部佐证单独标注。