编码智能体也能被评估：评估的是工作成果而非模型
深度The New Stack2026年8月9日6 分钟阅读
有人认为编码智能体无法被评估，理由是软件工程开放、非确定性、存在多种有效解。但本文指出，“难以评估”和“无法评估”是两回事，关键在于停止像评估聊天机器人一样评估它们，而是用可执行契约和记分卡来评估最终工作成果。
觉得有用？分享给更多人
相关文章
一名黑客通过 GitHub 访问令牌向亚马逊的 VSCode 扩展仓库提交恶意 PR，试图让 AI 编程助手 Q Developer 执行系统擦除命令。由于 prompt 格式错误，攻击未遂。文章分析了 AI Agent 在执行指令时缺乏人类式警惕性的问题，并提出了加强外部安全控制的建议，如构建不关心指令来源的策略门禁、使用短期凭证等。
深度The New Stack·8月23日·6 分钟
Inherent 发布 AI 智能体 Faraday，在复现科学论文方面超越 Anthropic 和 OpenAI 的更大模型。该公司通过强化学习培养“研究品味”，并以更小模型实现更高目标。
深度·8月22日·4 分钟