工作区路径里的 eval 会改变 Agent 行为吗：一项约 900 次运行实验的结论与边界
来源实验把同一仓库分别放进 billing-api 与 eval-XysseR 两个临时目录，在六个工程场景、四个模型、约 900 次运行中比较。结果是模型更确信自己在被测试，但没有观察到可测量的行为差异，努力度也没有一致变化。作者…
发布于 2026-11-03 · 沐小悠 · 约 9 分钟
4 次阅读 阅读 →