以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
LLM agents increasingly drive systems research and rely on simulators to evaluate candidate designs at scale. Simulators are imperfect by design: their modeling limitations can distort predictions yet leave the recommended design correct, or change which design should be selected. We introduce Siris to test whether LLM
阅读原文 · Jinwoo Hwang, Sukmin Cho, Tao Zhang, Soheil Abbasloo, Jongse Park, Peng Cheng
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文问了一个很实际的问题：当 LLM 智能体用模拟器做系统研究时，模拟器本身有建模局限，模型能不能判断出这个局限什么时候真的会影响结论？ 多数时候模拟器的误差不改变结论，但偶尔会改变该选哪个设计。 这两种情况在表面上很像：候选方案一样、局限一样、模拟器给出的推荐也一样。SIRIS 要测的就是 LLM 能不能区分它们。 如果你在做 AI 驱动的系统研究，或...