上限、搜索字符数、命名空间，这些工具输出里没写，Agent 和 verifier 凭什么判断？ https://arxiv.org/abs/2610.321… · @vintcessun · TwKit

@vintcessun

上限、搜索字符数、命名空间，这些工具输出里没写，Agent 和 verifier 凭什么判断？ https://arxiv.org/abs/2610.32110 论文把 formatter 当 agent 的事实接口，用两版输出同一结果：保留省略 vs 写明细节。一个测试中 verifier 从 90/90 接受错误答案变成 90/90 拒绝。作者还给了 Codex、Claude Code 审计 prompt，在旧系统重发现存活缺陷并多找 12 个未编目问题，OpenClaw、Hermes 也有类似问题，PR 已提交。落点是：审计工具输出，不只审计模型。

曝光 35 · 评论 1 · 点赞 1 · 书签 0