研究与基准测试研究与基准测试/2026-09-28/36 分钟BenchShield：面向大语言模型智能体评测基础设施奖励完整性的形式化模型支撑插桩（上篇）BenchShield 讨论如何用形式化模型支撑的插桩，检查智能体评测里的奖励是否被篡改。
研究与基准测试研究与基准测试/2026-09-28/28 分钟BenchShield：面向大语言模型智能体评测基础设施奖励完整性的形式化模型支撑插桩（下篇）BenchShield 讨论如何用形式化模型支撑的插桩，检查智能体评测里的奖励是否被篡改。