實驗課主張鎖定可回放契約而非模型來給 Agent 評分

2026 年 10 月 18 日，DEV Community 的一篇 AI 文章介紹了一套實驗課設計，其核心主張是：評分器不應關心某次 Agent 執行由哪個模型產生。作者把這一主張概括為「錄製一次、永久回放、離線評分」，並要求每份提交都附帶可回放記錄，使評分不隨免費額度、限流或模型可用性的變化而漂移。

文章提出，如果評分標準會因免費層變化而悄然改變，那實際被評的是供應商，而不是學生。文中還提到，作者觀察到學生在訓練營進行到第二週左右時反覆遇到同一個問題：學生針對當天可免費使用的某個模型搭建 Agent 迴圈，執行成功後提交。

報道未給出該實驗課的具體名稱、實施機構或後續結果，目前停在這套設計主張與問題描述的提出階段。