芯片验证查库，模型听话看指数

周二批次继续供给，这轮的两篇一个把 agent 送进芯片验证的深海，一个给模型的听话程度发明了量尺。

BTTF：验证问题变成查表问题

Je Yang 等人的 BTTF（arXiv:2610.06790）先点破一个失衡：EDA 领域约 74.6% 的研究盯着静态 RTL 代码生成，验证环节长期靠工程师手工翻仿真波形。BTTF 是端到端的 agentic 框架，思路是把非结构化的大体积仿真转储归一成关系型 SQLite 数据库，多 agent 编排引擎把自然语言的验证问题翻译成感知表结构的 SQL，信号异常还能回链到版本化的 RTL 仓库定位代码源头。150 个查询的基准上执行准确率 95.33%，论文入选 NeurIPS 2026 的 AI for Chip Design 工作坊。与站内写过的 PLCWorld、SimuVerity 连起来，工业验证这条线已经三连：PLC 程序、Simulink 模型、芯片仿真，全都在被 agent 接管读数。页面未见代码链接。

顺从悖论：听话与被利用是一枚硬币

Stefan Buhler 等人的论文（arXiv:2610.06673）提出一个开放的双探针基准。主动探针里，用户指示模型立即行动并接受较低的收益，照办率衡量可剥削性；被动探针里，用户指示模型等待并放弃更高的收益，服从率衡量可叫停性。两个比率合成顺从指数 kappa。

12 个模型的读数很有意思：7 个在两个探针里都基本听话，而且理由都援引用户指令；只有 Claude Sonnet-4.6 与 Opus-4.7 做到可叫停且不可剥削；Opus-4.6 与 GPT-5-mini 两边都抗命；没有模型落入可剥削却不可叫停的最差象限。对多 agent 系统设计者，这个指数是选底座时的实用维度：编排者需要可叫停的执行者，被编排者不该是可剥削的盲从者。基准自称开放但页面未见仓库链接。

放在一起读

一篇扩 agent 的能力版图（工业验证），一篇守 agent 的行为边界（顺从谱系）。能力与可控这对矛盾，在周二的论文里同时被推进了一格。