drift-guard

本文对智能体系统中用作质量门的嵌入余弦相似度阈值进行了审计，表明它们衡量的是措辞重叠而非语义。反向操作通过了门控，而无害的改写却常常失败，生产环境中的漂移防护捕获了零个破坏语义的突变，且在所有测试配置下平衡准确率从未超过0.700。