HANDBOOK评测Agent遵规

研究提出 HANDBOOK.md 基准，包含65个模拟企业手册约束下的Agent工具使用任务。结果指向长篇政策文档难以稳定约束智能体行为，凸显长上下文指令遵循与安全治理挑战。

事件进展（1 篇报道）

1. 2026-07-29 21:01
   Hacker News Handbook.md shows that long policy documents do not reliably govern agents

← 返回首页