一个钢镚Lv1

破甲成功后模型为什么会降智？聊聊越狱税与 Agent 可靠性设计

破甲成功并不意味着模型能力没有损失。本文围绕「越狱税（Jailbreak Tax）」这一现象，分享一些从 Agent 工程角度改善模型可靠性的思路，包括证据分级、反幻觉、失败收敛和上下文锚点，并结合 DSH 进行初步实践。希望与大家交流破甲后的能力保留与长程 Agent 可靠性问题。