标签
DMAIC-Bench 提出「自我克制」（self-restraint）能力评测，包含 15 个工业案例共 97 个任务及配对反事实变体，发现 13 个模型在 NO-GO 决策上的执行路由准确率平均仅 19%，远低于 GO 决策的 92%。