工作区路径里的 eval 会让智能体改变行为吗？
微软开发者博客一项约 900 次运行、四个模型的实验发现，工作区路径含 eval 会稳定提高智能体对“自己在被测试”的判断，但在其设计的日常工程场景中没有可测量的行为差异。文章梳理了实验设计、小样本假象、适用边界，以及对评测目录命名…
发布于 2026-11-02 · 沐小悠 · 约 9 分钟
15 次阅读 阅读 →