strict-checkpoint

벤치마크 문제를 평가할 때 요구사항을 부분적으로 충족한 결과가 아니라 모든 검증 조건을 통과한 경우만 성공으로 인정하는 기준이다. 따라서 점수는 낮아질 수 있지만, 에이전트가 코드베이스에 독립적으로 변경을 적용해도 구조와 동작을 유지하는지 확인하는 데 적합하다.