工作区路径出现 eval 会改变智能体行为吗:评测环境污染与干净基线设计
微软开发者博客的一项实验用约 900 次运行、四个模型比较 billing-api 与 eval-XysseR 两种工作区路径,发现路径中的 eval 会稳定提高智能体“自己正在被测试”的判断,但在六个工程场景中未测到行为差异。小样…
发布于 2026-11-17 · 沐小悠 · 约 10 分钟
9 次阅读 阅读 →