「テスト通りました」を信用しない——AIエージェントの実行を検収する関所を作り、関所自身を計量した話

コーディングエージェントの成果を「報告」ではなく「検証」する仕組みの必要性を説く。エージェントが報告する「成功」をどう確認すべきか、Nebius × NVIDIAハッカソンの知見を交えて解説。