Drone-Bench 与 AI 控制 F-16 展示了能力进步，也暴露了自主飞行获得信任前必须补齐的证据链。
Drone-Bench and AI-controlled F-16 tests show rapid capability progress. They also reveal the evidence required before autonomous flight can be truste
GEPA optimize_anything 把评估器变成 prompt、代码、Agent 和配置的稳定接口。本文给出生产级设计与验证方法。
GEPA optimize_anything makes the evaluator the stable interface for prompts, code, agents, and configs. Here is how to design one safely.
ChatGPT Health 可以在普通对话中读取连接的病历。本文拆解权限、记忆、删除、HIPAA 和端到端验证边界。
ChatGPT Health can read connected medical records across conversations. Evaluate its permissions, memory, deletion, HIPAA, and verification boundaries
OpenAI Presence 把策略、批准动作、仿真、评测、人工升级和受控更新连成生产闭环。本文拆解平台应该负责什么，以及企业不能外包哪些控制权。
一套可落地的数学 Agent 工作流：用持久状态、敌意审计、盲重构和证据晋升，把开放探索转化为可信知识。
审计 GigaToken 约 1000 倍加速的测试条件、独立复现和兼容风险，并判断 CPU Tokenization 何时真正影响 LLM 吞吐。
AI Agent Sandbox 的持久化语义取决于生命周期动作。本文用五层状态模型核验文件、内存、快照、外部存储、连接与副作用。
