模拟成功并不等同于结构正确。我们在 150 条三语电路基准上定义并测量四个评估层级——模式有效性、拓扑有效性、后端可执行性和组件集合一致性，使用基于类型化电路交换表示的流水线。
这四层不是嵌套关系。以 gpt-4o-mini 为例，16 条电路（10.7%，95% CI 6.7‑16.6）被拓扑验证拒绝，却在 ngspice 中无错误或警告地执行；其中 12 条恰好包含请求的组件，只是有一个端口未连接。相反，7 条电路（4.7%）通过验证但被 ngspice 拒绝。10 条两者均失败，117 条两者均通过，说明每个检查捕获对方遗漏的错误。
一个最小的三元分压器示例展示差异：悬空电阻导致电压显示为 5.00 V 而非 2.50 V，ngspice 却保持沉默。
配对消融实验将每条支路都使用同一模型抽样而非重新抽样，以分离修复阶段的噪声。在 45 条分层子样本上，模型修复将拓扑有效性从 40.0% 提升至 84.4%（+20 条，无回退），可执行性净增 6（+7，‑1），组件一致性提升 2。单一步骤中有电路在两个层面出现相反变化。
与直接 netlist 基线比较，流水线在 88.7% 电路上成功执行，而基线为 47.3%；若按无法归因于 netlist 的失败计入基线，则成功率为 62.7%。
结论：结构验证与仿真应作为独立评估阶段报告。能够运行的电路不一定结构有效，结构有效的电路也不一定可执行。
点评