cage 用引用凭据约束让 qwen3.5:9b 在 RTX 3070 上写出比前沿模型更少事实错误的解说词

GitHub 项目 cage 通过 13 个固定槽位、逐句要求附上 README 原文引用、代码做字符串核验加模型事实检查（fail closed）、最多 3 次修复，用 qwen3.5:9b 在 8 GB GPU 上生成 GitHub 仓库解说词。盲测中 3 家公司的评委对 16 个仓库共给出 36 份裁决：cage 版本事实错误比无约束的同模型少 94%，错误数 2.7 对比 gold 版 4.6；但未达到预设的超越 gold 版 ≥45% 目标（实测 42%），评委仍更偏好前沿模型的 hook 和声音。单脚本成本 0 美元，单张 RTX 3070 约 6 分钟，代码 Apache-2.0 开源，详见 RESULTS.md 与 PROTOCOL.md。