v6 数据集围绕 v1 的失败模式重建，包括拒绝行、反幻觉配对、校准示例和工具轨迹；v2 在同样的评测装置上取得了 9/10 领域任务、5/5 诚实度、5/5 拒绝能力、0/10 幻觉率，唯一变量是数据组成。