研究：API 迁移后 LLM 代码修复通过测试却结果错误

一项预注册研究用 73 个任务覆盖 CPython、SQLite 等 60 项有文档记录的变更，在真实运行时上执行 LLM 修复后的代码并对照保留的契约检查。仅用典型输入的全断言门禁放行了 0.410 的错误修复，加入一条依据发布说明编写的边界输入后降至 0.065，在 15 个未见集群上为 0.061。