「评测可信度」标签文章

「评测可信度」标签下共 1 篇技术文章,包括《工作区路径里的 eval 会改变 Agent 行为吗:900》。按发布时间倒序排列,内容持续更新。

共 1 篇文章 第 1 / 1 页 持续更新中
当前筛选标签:评测可信度 清除筛选

工作区路径里的 eval 会改变 Agent 行为吗:900 次运行后的评测隔离结论

微软开发者博客公布了一组约 900 次运行的对照实验:工作区路径含 eval 会让模型更确信自己处于测试中,但在六个工程场景里没有观察到可测量的行为差异;小样本曾出现的差距在扩大样本后消失。文章还给出了评测目录命名与行为测量的实践建…

发布于 2026-11-15 · 沐小悠 · 约 9 分钟 10 次阅读 阅读 →

共 1 篇文章,第 1 / 1 页