「评测隔离」标签下共 3 篇技术文章，包括《工作区路径里的 eval 会改变 Agent 行为吗：一项约》、《工作区路径里出现 eval 会改变智能体行为吗：900 次运》、《从 Model Spec 五项价值到可执行策略：把行为规范拆》。按发布时间倒序排列，内容持续更新。
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…
微软开发者博客的一组实验显示：把智能体放在名为 eval-xxxx 的临时目录里，会稳定提高它自评“正在被测试”的概率，但在五个工程行为场景中没有带来可测量的差异；小样本里出现的支付提醒差异在扩大样本后消失。作者据此建议仍使用中性、…
价值声明要落地，需拆成可判定的行为描述、机读策略、执行点和证据链。提供的材料只给出 Model Spec 五项价值的摘要，未列出具体名称与条文，相关细节待核实。文章给出策略示例、审批边界、监控与评测隔离建议，并说明常见失败模式。
共 3 篇文章，第 1 / 1 页