FALCON: безопасность кода от агента через атаку-пробы и разбор следов выполнения вместо чтения исходника

Судья, который читает код, угадывает безопасность примерно в 61% случаев. Судья, который смотрит на запуск, — примерно в 88%. Метод FALCON позволяет проверять безопасность кода, написанного ИИ-агентом, и не даёт агенту подгонять код под мнение судьи. Атакующий пишет вредные запросы без ожидаемого ответа, а судья видит только след выполнения: что подали, что вернулось, какие были ошибки. Каждая найденная дыра возвращается агенту как контрпример (проба + след + причина). Так идёт до 5 раундов правок. Фишка: судье запрещено читать исходник. Разрешишь — он снова начнёт оценивать на глаз, и вся польза пропадёт.