Как отделить улучшения модели от инфраструктуры агента при оценке?

В эпизоде подкаста Cheeky Pint обсуждается проблема изоляции влияния обучения модели от безопасности и инструментов окружения агента. Предлагается тестировать, фиксируя инструменты и набор задач, но учитывая, что модели могут быть обучены на разных интерфейсах, что требует сравнения как общей среды, так и индивидуальных настроек каждой модели.