基准真值也会错：我的 AI 审计管线漏报 12 题，先别急着调模型

外部基准漏报 12/20，我们没有先调模型，而是先审考卷：20 题里 5 道的官方答案是错的。零 token 重判分，机制 5→8、语义 7→10。基准是别人的笔记，笔记会错。