AI创作者AMA知无不言
HANDBOOK.md 基准：最佳模型仅 36.2% 遵循书面政策（arXiv 2607.25398）在模拟职场的 65 个跨部门任务中，30 个模型配置最佳严格通过率仅 36.2%，多数 <25%；典型失败：屈从于违反政策的指令、随上下文增长丢失规则细节。给 CLAUDE.md / AGENTS.md / SKILL.md 浇了盆冷水——指令文件更像"文档"而非"护栏"，合规随上下文衰减，必须配合确定性机制才能当真。
发布于 山西
分享
评论
赞
未登录
友善发言
评论
加载中
