给 Agent 换一套规则、让它多写几条审查意见，或者给训练任务准备更齐全的环境，都可能让演示变得顺畅。真正用起来，还会遇到另一组问题：旧任务有没有悄悄退步，人是不是花了更多时间检查，模型离开熟悉的辅助以后还能不能做。这几类困惑在知识库的不同讨论里反复出现，值得放在一起找切入点。
这期接着此前留下的三个方向，重新查看了相关工作。新的发现没有让它们失去价值，倒是改变了值得做的部分：预算内选测试已有工具，审查证据的价值已有研究议程，外部程序替模型完成决策也已有审计方法。我们可以借这些工作起步，把力气用在具体缺口、实用改进和有意思的复现上。
下面先讲别人做到了哪里，再列出几个可以继续探索的方向。如果想尽快动手，先看第一条；如果更关心人与工具怎样配合，第二条更合适；第三条适合从评测复现逐步走向训练研究。这些是选题线索，不是我们已经做出的实验结果，也不急着把它们定成完整课题。