治理审查自动化替代人类把关的研究框架与 DGF-Bench 评测

该论文提出任务替代框架，将数字治理框架（DGF）中的每个审查门视为可执行契约，并推导残余工作量阈值，说明自动化多数案例后总人力反而可能上升。基于 300 个合成项目和 899 次模型-项目运行，Gemini 3.8 Flash、GPT-5.6 Luna、DeepSeek v4.1 Flash 的严格门通过率分别为 94.98%、83.29% 和 74.18%，完整路线通过率则为 76.92%、42.33% 和 24.67%。确定性控制程序在给定规则与结构化事实下通过全部 1,700 个门，说明瓶颈在执行而非决策。研究通过证据审计和 135 次重复运行区分正确决策与可靠执行，源码与数据均已公开。