AI 工程研究正在为代理和模型依赖收紧证据门禁
当天最强的研究把大语言模型（LLM）当作需要证据门禁的依赖项。C2VEval 暴露了视觉到代码的捷径，Claw-Eval-Live 按真实工作流轨迹打分，IronCurtain 则把安全主张和测试桩、可执行证明绑定在一起。
主题概况
Dependency Risk
Predeployment Reliability Checks
部署 LLM、工作流代理和视觉转代码工具的团队，可以在更大范围上线前增加小型检查：针对托管模型变化的契约测试、针对代理试点的基于轨迹评分，以及针对视觉对齐失败的空输入测试。