可执行门控揭示静态代理评分遗漏的失败
近期围绕工程化检查的进展正变得更加面向实际操作。当前证据支持将控制措施绑定到实际源状态、工具版本和领域规则。静态或纯文本的成功表现可能掩盖供应链、工作流和适应性方面的失败。这些研究大多范围较窄或处于早期阶段，因此确立的是具体的失败模式，而不是广泛的生产可靠性。
主题概况
Domain Evaluation
与不断变化的依赖项、工具和工件绑定的执行证据
智能体控制应将成功执行绑定到促成该结果的外部状态：软件包来源和版本、工具架构、领域工作流以及非代码工件。近期最有价值的改动，是设置范围明确的发布和完成门禁，重放真实工作流，并在这些输入发生变化时使证据失效。