三个月，两个订阅，一群 agent，把一款射击游戏反编译回 C++。第一个月进度飞快，代码却是错的。问题不在模型，在于没人定义过什么叫正确。作者的解法是字节比对：一个只回 PASS 或 FAIL 的脚本，外加一套防止 agent 自己改判分的办法。