Learning Strategies to Break Judges：研究发现 frontier agent 对研究级数学证明中的逻辑错误更容易漏检

该工作构建 agent-guided proof mutation framework：用 Codex/GPT-5.6 Sol 与 Claude Code/Claude Opus 5 生成会破坏局部论证的逻辑错误，再测试 agentic judges 是否能发现，并把成功绕过 judge 的错误蒸馏成可迁移 mutation strategies。论文报告这些策略在未见 proof 上仍显著提高绕过率，而且 judge 从 Olympiad/研究生教材到研究级数学手稿呈现明显可靠性下降。