QuoteBench：匹配分数如何掩盖命令路径故障

QuoteBench 用 56 个一次性任务、14 个事故衍生家族，在生成契约与执行传输之间加入一个故意未转义的解析器，测量命令生成错误与生成后故障的边界。八个同窗口配置中，同一回复经该解析器重放后成功率下降 55.4 至 73.2 个百分点，披露边界可为六个配置挽回 30.4 至 60.7 个百分点。