Agent-Safety Evaluations as Load-Bearing Evidence

这篇文章把 agent safety eval 定义为会支撑上线、采购或监管决策的承重证据，并提出 vendor-neutral 的 reconstructability metric。指标关注外部读者能否从报告中重构关键安全结论，而不是只看通过率或红队案例数量。它把评测透明度和治理可用性连接起来，适合放在模型安全报告写作规范中讨论。