业务规则约束相关资讯

R1 93% 满口答应 R3 仅 26.4% 守住：11 模型 WDCD 三轮崩盘实测

R1 平均确认率 0.93，R3 诚信率仅 26.4%，67/110 次完全崩溃。Qwen3 Max 唯一 R3 达 0.9/2，其余模型“嘴上答应身体诚实”现象普遍，尤其业务规则与资源限制场景崩盘最严重。