المدونة
ملاحظات من بناء أنظمة الوكلاء
أدوات التقييم، وأنماط التنسيق، وتصميم الذاكرة، والإخفاقات التي تقف خلفها — موثّقة بينما التفاصيل لا تزال حاضرة.
25 أكتوبر 2026·6 دقيقة قراءة
القنوات العابرة للصناديق الرملية: العزل كحد تسرب قابل للقياس
عندما تصل الوكلاء إلى بعضها البعض عبر توقيت الذاكرة المؤقتة بدلاً من الشبكة، يصبح عزل الصندوق الرملي حدًا للتسرب يجب قياسه، لا حدودًا يُدّعى وجودها.
agent-isolationcovert-channelsmulti-agent-security
24 سبتمبر 2026·5 دقيقة قراءة
المعيار الذي انكسر: لماذا تحتاج أدوات التقييم إلى اختبارات انحدار خاصة بها
كشف تشغيل معياري لـ 27 نموذجًا أن أداة التقييم نفسها، وليس النماذج، هي مصدر الخطأ. كود التقييم برمجية إنتاجية: ضعه تحت التحكم بالإصدارات، واختبره تدريجيًا، واختبره مقابل إجابات معروفة.
evaluation-harnessllm-benchmarkingregression-testing