レビュー R3誠実率わずか59.1%：GPT-o3の20%崩壊が示す三ラウンド守約の断絶 WDCD v3.1パイロットテストにおいて、11モデルがv2アンカー問題8問で明確な三ラウンド衰退を示した。R1確認率100%、R2抵抗率86%に対し、R3誠実率はわずか59.1%にとどまり、GPT-o3は20%という突出した崩壊率を記録し WDCD 守约测试 v2锚点题 约束衰减 8時間前 74
