Как мы тестировали AI-ревьюеров и искали баги в памяти MCP: выпуск 0.12

Авторы проекта skillmem описывают процесс валидации версии 0.12, где вместо хаотичного тестирования использовали 16 строгих инвариантов. Две языковые модели из разных лабораторий в течение десяти дней искали контрпримеры, нарушающие эти правила, что позволило выявить специфические баги, такие как проблемы с обработкой терминальных символов в Windows.