shows that system design – not model capability alone – can unlock frontier-level long-horizon performance
方向性判断我同意：真正的运行单元是模型×harness×工具环境×上下文策略，不是裸模型。但“系统设计能解锁”和“这次提升由系统设计造成”是两回事，后者需要固定模型、只换 harness 的对照实验。目前公开材料只支持前者。
2 Matching Annotations
- Last 7 days
-
thenewstack.io thenewstack.io
-
- May 2026
-
martinfowler.com martinfowler.com
-
By embedding our technical security rules directly into the agent workflow, we transformed those early near-misses into a secure, production-ready platform
文章声称通过嵌入安全规则解决了安全问题，但没有提供足够的证据证明这种方法的实际效果或安全性。这是一种未经充分验证的因果关系断言。改进方法应包括具体的测试结果、安全审计数据或第三方验证，以支持这一论断的有效性。
-