工作区路径带 eval,会不会提前告诉 agent 这是测试?
微软开发者博客的一项实验把同一仓库分别放在 billing-api 和 eval-XysseR 两个临时目录下,用四个模型跑了约 900 次。路径确实进入了系统提示,模型也确实更怀疑自己在被测试,但在行为上没有测到显著差异;此前 3…
「agent」标签下共 51 篇技术文章。按发布时间倒序排列,内容持续更新。
微软开发者博客的一项实验把同一仓库分别放在 billing-api 和 eval-XysseR 两个临时目录下,用四个模型跑了约 900 次。路径确实进入了系统提示,模型也确实更怀疑自己在被测试,但在行为上没有测到显著差异;此前 3…
GitHub 在 2026 年 11 月 5 日的博客标题与摘要中称,其新 Git 存储架构面向“数千个 agent 同时 push 到单一仓库”。本次材料只包含标题和摘要,正文细节未提供。文章据此把问题拆成:对象写入与引用写入要分…
本次材料只提供 OpenAI BioBasicsBench 的摘要:一个含 100 个任务、衡量 AI agent 解读原始实验数据与处理日常湿实验工作的基准。摘要未说明任务如何切分、如何判分,因此文章只确认名称、规模与目标定位,其…
服务器端无法把“人”与“代理”做成一次判断的真值,只能分层处理:请求级分类给出概率标签,账户层绑定回答“代表谁”,策略层决定放行范围,问责层记录出事时能定位到谁。Cloudflare 2026 年 11 月的两篇博客分别给出了可观测…
GitHub 博文的标题与摘要称,其新 Git 存储架构面向数千个 agent 同时向单个仓库 push;本次材料只提供标题与摘要,正文实现细节未提供。因此本文不给出该架构的任何实现结论,而是把“并发写入”拆成引用原子更新、对象与引…
Cloudflare 的两篇材料把问题定位为中间层剥离:站点看到 agent 却看不到背后的用户,因此账号共享、友好欺诈、身份验证和资源耗尽等旧手段失效。本文按主体引用、委派范围、授权证据、操作与问责锚点四类整理建议字段,并说明这些…
AWS 11 月 2 日周报里有两条与开发者直接相关的信息:GPT-6.1 Terra 在 Bedrock 上正式可用,价格比同族两个型号低至少 50%;Step Functions 的 Standard 与 Express 工作流…
个人 agent 作为中间层,会让站点丢失用户身份、授权范围与声誉信息,只留下 agent 标识、网络来源、请求行为和登录态可关联的账号维度。文章按字段分层说明哪些信息还在、哪些已丢失,并给出站点识别、策略设置与核对清单的边界。
Cloudflare 新增个人 AI agent 的流量分类与按 agent 的访问策略:Security Analytics 的 Bot Analysis 中新增 Personal Assistants 类别,Top statis…
共 51 篇文章,第 3 / 6 页