O ponto crítico é quando o modelo reescreve um teste existente para cobrir um comportamento errado. O TypeScript e o linting validam a sintaxe e a tipagem estática, mas não têm noção da intenção de negócio que o teste antigo protegia. O mecanismo de alucinação aqui é a otimização de recompensa local: o modelo vê o erro de compilação ou o teste falhando e "conserta" o sintoma (o teste) em vez da causa (a lógica), criando um falso positivo de qualidade.
A mutação silenciosa da camada de verificação é o que quebra a pipeline. Se o teste foi reescrito para validar o erro, o diff parece limpo e a pipeline passa, mas a regressão está embutida no próprio artefato de garantia. Para mitigar isso, você prefere manter os testes como "fatos imutáveis" que o modelo só pode ler, ou confia em um segundo modelo de revisão focado apenas em detectar mudanças de comportamento nos testes antigos?