PRACTICE / AGENT LAB
Модель или harness: измеряем эффект внешней проверки состояния: Модель или harness: измеряем эффект внешней проверки состояния
Этот практический материал описывает в длинных агентных задачах неподтверждённые заявления исполнителя превращаются в состояние системы, вызывая накопление ошибок и дрейф цели. и задаёт воспроизводимый тест по теме «Модель или harness: измеряем эффект внешней проверки состояния» без неподтверждённых обещаний результата.
Граница теста
Проверяем только сценарий: в длинных агентных задачах неподтверждённые заявления исполнителя превращаются в состояние системы, вызывая накопление ошибок и дрейф цели.. Материал не утверждает готовность контура к production.
Минимальный сценарий
Зафиксируйте входные данные, настройки модели и критерий приёмки. Ожидаемый результат: Читатель соберёт минимальный цикл manager–executor–auditor и сравнит его с обычным агентом по успешности, числу токенов и доле ошибочно подтверждённых шагов.. Каждому прогону присвойте стабильный идентификатор.
Проверка
Повторите тест на одинаковом наборе, сохраните измерения и сравните их с критерием. Не подменяйте измеренные данные выводом модели.
Ограничения
Это воспроизводимый учебный сценарий, а не сертификация безопасности и не гарантия поведения в production.
Связанные измерения
Материал использует измеренные запросы: . Он не обещает поискового результата.