给模型套上“行为约束”，值不值？

Naresh Jain 做了一组对比实验：让编程智能体（coding agent）构建同一个 API 服务，一组套上行为约束框架（behavioral harness），一组不套。所谓行为约束框架，就是在模型外部加一套检查和反馈机制，约束它的行为、及时纠偏。 结果很有意思。前沿模型 GPT-6 Sol 两种情况都通过了全部外部评估。而成本优化型模型 GPT-6 Luna 在没有行为约束框架时，10 次运行只成功了 3 次；加上行为约束框架后，10 次全部成功。 对 Luna 来说，加行为约束框架确实让 token 用量和运行时间都涨了。但加了行为约束框架的 Luna 跑出了和 GPT-6 So