场景设定
本文明确属于合成社区内容，借“修复只在真实浏览器出现的问题”分析基准漂移和越界修改，不能当作真实项目复盘。
数据所有者需要从同一任务的盲测结果看到输入、动作与结果的关联，否则“修复只在真实浏览器出现的问题”仍缺少可复现依据。
验证路径
不要一次处理全部上下文；先围绕越界修改选择最小输入，完成给失败路径留恢复入口后再用同一任务的盲测结果验证真实入口。
验收清单：
- 用同一任务的盲测结果固定“修复只在真实浏览器出现的问题”的当前基线。
- 请数据所有者复核结构化输出失败样本与任务边界。
- 若模型总是改到无关文件仍出现，停止扩大基准漂移的改动范围。
决策记录
验证记录：数据所有者只根据同一任务的盲测结果判断本轮完成度，同时把结构化输出失败样本留给环境差异复查。
若团队选择“先做原型再补测试”，就要额外让数据所有者检查结构化输出失败样本，否则越界修改会被推迟到发布阶段。
对基准漂移的判断需要带有效期；依赖、权限或输入变化后，原有同一任务的盲测结果只能作为历史记录。数据所有者应重新检查结构化输出失败样本再恢复发布。
恢复路径：发现越界修改后先冻结发布，再撤回发布批次并保留审计记录，最后重新确认“日志能够关联到一次具体执行”。
反方检查：也有人会选择“先做原型再补测试”以换取速度，但这个方案必须解释同一任务的盲测结果缺失时由谁承担恢复成本。
想听不同做法
你会把同一任务的盲测结果还是结构化输出失败样本设为基准漂移的首要门槛？当“修复只在真实浏览器出现的问题”再次出现模型总是改到无关文件时，哪一步应该立即停止？