可验证实验

已验证 玩具模型复现：被拒绝的超长请求进入 decode 导致跨请求泄露 玩具模型中泄露只发生在「池子小于上下文 + 引擎只查 finished」的组合，状态码测试全过而 canary 测试全部抓到 检查 7/7 · 2026-10-29 · Python · 耗时 0.1s 已验证 离线校验审计发现记录：confirmed 须有证据且不能自己验证自己 8 条 mock 记录全部判定正确，其中 5 条违规被指出具体原因 检查 8/8 · 2026-10-28 · Python · 耗时 不到 0.1s 已验证 离线审查 SKILL.md：找出不受限 Bash 授权并给出收窄规则 5 个不受限 Bash 授权中 1 个可直接删除，其余可按命令收窄 检查 12/12 · 2026-10-27 · Python · 耗时 不到 0.1s 已验证 保留原文 vs 写入时摘要：Agent 记忆的证据覆盖率 构造数据中，Raw-RAG top-8 证据覆盖率 100.0%，覆盖式摘要 58.7%——摘要省上下文，但写入时没留的信息事后无法找回 检查 5/5 · 2026-10-25 · Python · 耗时 0.1s 已验证 先探测、再筛题：用 Jeffreys 后验给 RL 训练任务估难度 模拟中按 Jeffreys 后验筛题后，零方差组从 48.9% 降到 19.1%，保留 49.8% 的任务 检查 4/4 · 2026-10-25 · Python · 耗时 不到 0.1s 已验证 改写前缀还是管理缓存：Agent 上下文压缩的预填充成本 模拟中滚动丢弃把峰值缓存从 177.5 降到 38.3 千token 且无需重新预填充，摘要触发 4 次、额外预填充 20.0 千token 检查 4/4 · 2026-10-24 · Python · 耗时 不到 0.1s 已验证 给 MoE 批推理排个序：按领域分组能少读多少专家 模拟中按领域排序让每步读取的专家从 101.1 个降到 74.0 个（少 26.8%），专家越少的 MoE 节省越小（15.0%） 检查 4/4 · 2026-10-24 · Python · 耗时 0.8s 已验证 按成本而非频次挑选宏 token 宏 token 预算为 4/8/16 时，按成本挑选比按频次多省 24.4/6.1/1.8 个百分点的加权成本 检查 7/7 · 2026-10-23 · Python · 耗时 10.3s 已验证 排序好不等于建议好：Agent 控制器的校准偏差 A 排序更准（AUROC 0.92 vs 0.71），但因概率偏低让 52% 已完成的 run 被要求验证；校准后降到 3% 检查 5/5 · 2026-10-23 · Python · 耗时 不到 0.1s 已验证 用三臂证明和回归检查验收 AI 补丁 只看 bug 是否修好会接受补丁 A；加上回归检查后只接受补丁 B 检查 3/3 · 2026-10-22 · Python · 耗时 不到 0.1s 已验证 排查 site-packages 里会在 Python 启动时执行的代码 3/3 样例环境分类正确 检查 3/3 · 2026-10-22 · Python · 耗时 0.1s 已验证 找出网页里只给 AI 看的隐藏指令 flagged hidden instructions per page: help_page_with_notes=2, help_page_benign_hidden=0, plain_page=0 2026-10-21 · Python · 耗时 不到 0.1s 已验证 COBOL 截断 vs 四舍五入：迁移后逐字节对比 truncate parity=True; round_half_up parity=False (529 rows differ, +529 cents); float parity=False (528 rows differ) 2026-10-21 · Python · 耗时 不到 0.1s 已验证 用正则做一个最小的「AI 腔」检测器 sloppy=306.7 no_dash=240.0 plain=0.0 per 1k words; all checks passed 检查 4/4 · 2026-10-20 · Python · 耗时 不到 0.1s 已验证 用 SQLite FTS5 + BM25 复现 Agent 会话记忆检索 RRF Top-3 recall = 0.88 (7/8) 2026-10-19 · Python · 耗时 0.2s