GenOS1 篇实战文章

这次横评的对象不是六个 Web 框架，是一类问题：AI 代码生成器的鲁棒性，到底该怎么评。三套思路拉出来比——端到端基准测、对抗性变异测试、以及这篇 GenOS 论文给的概率操作语义加组合式证书。