Блог
Заметки о построении агентных систем
Стенды для оценки, паттерны оркестрации, проектирование памяти и стоящие за ними неудачи — описано, пока детали ещё свежи.
25 окт. 2026 г.·6 мин чтения
Кросс-песочные каналы: изоляция как измеримая граница утечки
Когда агенты достигают друг друга через кэш-тайминги, а не через сеть, изоляция песочницы становится границей утечки, которую нужно измерять, а не границей, которую нужно декларировать.
agent-isolationcovert-channelsmulti-agent-security
24 сент. 2026 г.·5 мин чтения
Сломанный бенчмарк: почему eval-харнессы нуждаются в собственных регрессионных тестах
Прогон бенчмарка на 27 моделях выявил, что источником ошибки был харнесс, а не модели. Eval-код — это продакшен-софт: версионируйте его, запускайте канареечные тесты и проверяйте на известных ответах.
evaluation-harnessllm-benchmarkingregression-testing