作者使用 Apodex 1.1（主模型+在线工作台的科研 Agent 产品）对 221 个 MATS 项目进行研究，分析中国模型尤其是开放权重模型在 AI 安全研究中的使用情况。系统区分原始提及与实质性采用，通过异步 Agent Team（10 个 Subagent 并行）处理 4,821 条证据摘录，支持运行中 Chime-in 调整任务范围，并用独立审查 Agent 核验结论。研究发现中国模型实质性采用率从 2023 年的 4.35% 升至 2025 年的 50.55%，80.9% 的使用在开放权重条件下发生，中国开放权重模型正成为安全研究的实验基础设施。
本文介绍 Apodex Discovery 提出的 TRACES 基准，用于评估 AI 系统能否通过证据充分、可审计、可修复的调查得到正确结果。与传统基准只衡量最终答案不同，TRACES 将评估单位扩展为完整调查过程，通过结果验证器与盲评的过程验证器（HDS6：工具、修复、备选解释、连贯性、证据、适用边界）双通道评价。基准提供 AAV 衣壳设计、药物再利用、临床试验、大模型工程四个可执行环境，实验显示过程诊断反馈可使结果得分平均提升 0.155。文章还比较了 TRACES 与 MMLU、SWE-bench 等基准的差异。
本文深入解析了DeepSeek Harness的设计哲学，强调“事实有据，权限有度”的核心理念。文章通过多个实例展示了该框架如何将Agent状态管理、工具调用、子代理运行等关键环节转化为可验证的运行时契约，确保每个重要事实都有明确的拥有者，并通过原子比较、权限控制等机制避免状态不一致和越权操作。作者认为，DeepSeek Harness的精华在于其架构设计原则：为每种能力明确truth owner、authority gate、durable record、model projection和recovery rule，从而将隐性边界转化为可测试的契约。
