今天已正式发布 1 篇研究文章,以下内容已进入公开索引。
研究在本地完成并验证,GitHub 同步公开成果;网站依据栏目、类别与日期自动组织和展示文章。
岗位、职责、工作流、Runtime、治理、评估与受管理的数字工作。
企业数字劳动力、Agent 平台、控制平面与工作管理架构。
Runtime、Workflow、Recovery、Tool、Skill、Observability 与 Governance 工程机制。
96个内部受控用例说明已发布评分如何混合语义评审与调用次数奖励;保留未出现排序反转的负结果,不推断真实模型行为。
八个内部隔离探针区分文本替换、保护委托和宿主应用失败;结果仅支持所测响应适配边界,外部效果与完整系统安全仍未验证。
Orca 的一次真实运行把 Agent 消息错当成人的许可。我们在 CodeFlowMu 的受控审批入口做六种对照,检查消息来源、确认凭据与实际操作能否被分清。
同一刻,工具返回“工单已转交”,用户追问订单。AG2 的修复前后局部对照显示:若本轮多调用一次模型,交接结果会被订单回答取代。我们又对照 CodeFlowMu 的输入投递边界。
服务端已经下单,AI 员工却只收到超时。我们在三个断点杀掉进程,并用无幂等键的盲重试作对照,寻找恢复时真正可信的证据。
智能体会自己规划步骤、调用工具,也可能在分工中扩大任务范围。界痕用 7+1 整理要求,把预算、权限、先后顺序和跨任务关系交给数学方法检查,让越界判断有据可查。
一份报告数量对、版本对、授权也对,却把 B-22 写成 B-23。我们用七个受控案例对照规则与两种模型,追问验收者看见了什么,以及谁有权宣布完成。
隔离函数探针显示,保存检查结论与实际完成核验并非同一步骤。验收接口需要说明字段由谁生成、覆盖什么命题,以及还缺少什么证据。
固定版本归因模块可让非空占位链和不存在的端点激活因果标签。12 组合成调用揭示局部接受条件,也保留测量失败与未测量负对照;它们没有测量真实运行中的错误归因率。
严格标签同时读取目标投票与私有立场。混合信号被排除,缺失立场按非阳性处理;理解分数需要同时披露证据完整性与保留人群。