Più verifica non vuol dire verifica migliore

Uno studio su 90 esecuzioni dello stesso compito mostra che un tool di test sull’interfaccia alza il costo di un agente del 42-68% senza cambiare l’esito, mentre i difetti stanno nella consegna. Un controllo in più serve solo se guarda dove il sistema si rompe.

2 ottobre 2026 · 6 minuti · arxiv.org

Deterministico non vuol dire ripetibile

Con la cache dei prefissi spenta, 800 esecuzioni identiche non hanno prodotto una sola differenza. Accendendola — ed è accesa di default — cambia la traiettoria di tre quarti degli episodi. La variabile che decide non sta nella richiesta, e il server non te la riporta.

10 settembre 2026 · 9 minuti · arxiv.org