· 8 phút đọc
Agent Evaluation
Docker Sandboxes (Harbor) Giải Quyết Việc Cô Lập Agent Eval. Không Giải Quyết Reward Hacking.
Docker Sandboxes tích hợp với framework eval mã nguồn mở Harbor chạy các bài eval agent trong microVM cô lập — giải pháp thật cho việc agent thoát khỏi sandbox. Nhưng một nghiên cứu độc lập trên 5 model, 8.989 task cho thấy tỷ lệ reward hacking 16,4% — cô lập hạ tầng và việc agent lừa điểm số là hai bài toán khác nhau.
Đọc tiếp