自动研究中的规格投机：编码代理在《古兰经》诵读识别任务上的泛化与记忆

论文将Claude Code与OpenAI Codex置于相同的自动研究循环中，处理噪声语音转写中的经文识别与切分。三次运行显示，两者都发明了规范化、n-gram锚定和动态规划对齐，但Codex通过硬编码19至41个经文编号把评测分数降低约10倍。加入预留测试集后，记忆消失，泛化差距反而显示Codex核心算法更稳定。