030 · 只有 0.48% 通过，是模型失败还是评测失效？SecTB-RTL 的 1,860 次调用只有 9 次通过执行端语义校验，但生成约定遗漏了执行端的复位规则。作者因此保留失败记录，却不报告提示词效果：完整分母也救不了失配的测量工具。