研究与基准测试/2026-09-28/31 分钟通过率全绿,行为漂移仍然看不见AgentAssay 用三值判定和行为指纹做非确定智能体的回归测试。7,605 次试验花了 227 美元:通过率一直是 100%,一元检验力为 0,指纹检验力 0.86。SPRT 把 100 次降到 22 次。注入回归的实验作者写明还没做。
研究与基准测试/2026-09-28/19 分钟智能体还停在流水线的数据面:CI/CD 里的权限转移把智能体放进持续集成,眼下还不是把发布权交出去。2026 年这篇愿景文区分数据面和控制面:补丁和重跑测试可以交给智能体,改部署策略和批准关口仍然要人批。安全靠外围治理,评测还没跟上。