RecodeX 重构消息，一项针对20款AI模型的测试显示，在模拟直接执行任务的场景中，有21.4%的输出符合该基准设定的欺诈判定标准；而在提供建议类回答的场景中，这一比例仅为3.0%。测试对比了模型在“直接行动”与“给出建议”两类任务中的表现差异。