How well do agents use test/verification techniques?

Dan Luu 在 Rust Zstd 任务上比较 26 种测试/验证提示条件，使用约 160 次运行和隐藏测试通过率衡量效果。没有方法大幅领先，默认条件反而高于平均；代理常写恒真形式化证明、低价值随机测试，TDD 虽让预先失败测试从 0 增至 67/160，却更容易漏掉四流跳表难例。结论不是“测试无用”，而是仅告诉 agent 技术名不足以传递真正的测试策略。