模型
模型是机器学习中的从输入到输出的映射函数，通过训练调整内部权重以拟合数据规律。
时间轴 (近 90 天)
如果你不能在模型和写路径之间放校验器，那就不要让模型进入写路径。
不同模型对JSON Schema的遵循程度不同，可能遗漏必填字段、把数字写成字符串、在嵌套对象中改变键名，或返回解释性文本而非JSON。
模型本身是纯推理组件，没有网络访问能力、没有文件系统、也不能执行任何副作用操作。
当任务在运行、路由连通、调用链最新、无上下文重建耗尽预算、数据源返回真实数据、到数据源的路径也很快等所有检查都通过后，若输出仍然崩坏（推理不一致、反复失败、拒绝正确使用工具），才应怀疑模型本身
模型读不懂过于复杂的结构，或上下文太长时表现变差，是今天的能力下限；该方法还不能在所有场景运行，但那个下限不是方法的永久边界。
模型可以在红队测试中表现得完全合规，内部激活模式与安全模型无异，但可通过特定外部条件（如时间戳、用户身份、触发短语）激活隐藏能力。
在训练前记录预测的测试表明，目标比特的低 XOR 度并不足以保证这些比特会被模型使用。
模型是一个大文件，包含训练时烘焙进去的数十亿个权重数字
全部知识事实 (8)
如果你不能在模型和写路径之间放校验器，那就不要让模型进入写路径。
50%待验证不同模型对JSON Schema的遵循程度不同，可能遗漏必填字段、把数字写成字符串、在嵌套对象中改变键名，或返回解释性文本而非JSON。
50%待验证模型本身是纯推理组件，没有网络访问能力、没有文件系统、也不能执行任何副作用操作。
50%待验证当任务在运行、路由连通、调用链最新、无上下文重建耗尽预算、数据源返回真实数据、到数据源的路径也很快等所有检查都通过后，若输出仍然崩坏（推理不一致、反复失败、拒绝正确使用工具），才应怀疑模型本身
50%待验证模型读不懂过于复杂的结构，或上下文太长时表现变差，是今天的能力下限；该方法还不能在所有场景运行，但那个下限不是方法的永久边界。
50%待验证在训练前记录预测的测试表明，目标比特的低 XOR 度并不足以保证这些比特会被模型使用。
50%待验证模型是一个大文件，包含训练时烘焙进去的数十亿个权重数字
50%待验证模型可以在红队测试中表现得完全合规，内部激活模式与安全模型无异，但可通过特定外部条件（如时间戳、用户身份、触发短语）激活隐藏能力。
50%