测试全过，AI 为什么还是会写错代码？工程实践中的四个隐藏陷阱

AI 生成的代码即使跑通全部测试，逻辑也可能错得离谱。OpenAI 和 Anthropic 的案例揭示了四个坑：第一，验证标准只看宏观指标，底层参数互相抵消凑出高分，比如 bayesm 项目相关性 0.991，但 14 个核心参数里 11 个偏差超标。第二，参照实现本身有盲区，AI 会原样继承，比如 RustQC 把 86% 外显子区域错标成基因间区，...

推荐理由：这篇是对 OpenAI 科学计算现场报告的工程化拆解，拿 bayesm 和 RustQC 当具体案例，把“测试全过但逻辑错误”拆成四个可操作的陷阱。有项目名、有数字、有补救思路，不是空对空。没给更高分是因为它偏工程复盘，不是行业级事件或新能力发布，但对一线写代码的人实用价值很高。