Sandbox

两篇 10 月 29 日的原创论文从命令执行前后研究 Coding Agent 的可信控制：Caper 在快照沙箱内预执行命令，根据真实副作用审批；Soei 将 Agent 行为、证据与完成声明分开记录，构建可核验的跨会话执行链。

两篇过去七天的一手研究：FrontierCS 2 用真实研究仓库、隐藏工作负载和原论文实现评测 Coding Agent 的研发能力；OpenAI 公开前沿模型训练环境的隔离分层与高算力红队验证，说明权限边界不能只依靠 Agent 的自律。

今天关注 AI-native 工程的两个底层问题：Enola 解释为什么真正决定 coding agent 能力边界的是 harness 对 context、tools、persistent state 和 feedback 的选择；ARIMLABS 则展示了 agent eval 从本地实验扩展到每天约 50 万次执行时，isolated computers、parallel trials、network policy 与 inspectable reruns 如何成为评测基础设施。

今天关注两个 AI-native 系统方向：Google 把 Agent 安全从 prompt/regex 推进到运行时治理层，在模型外统一执行 prompt screening、语义策略和跨会话异常检测；T1 则展示了长时程 terminal agent 如何用真实 sandbox、可执行 verifier、dense process reward 与 MoE 路由一致性机制进行强化学习，把 coding agent 的能力提升从 inference-time harness 延伸到训练阶段。