改造 harness 后 Opus 5.5 任务通过率翻倍
开发者 Arindam 实测发现,使用相同的模型、提示词和 20 个真实任务,仅用一个周末改造 40 行 agent harness,就让 Claude Opus 5.5 无需人工修改即可通过的任务数从 8/20 提升到 16/20,通过率翻倍。该结果被转发传播后引发关注,凸显评测 harness 设计对模型表现评估的关键影响。
2026-11-17 ~ 2026-11-18 · 2 条相关
- 同一模型换个 harness:Opus 5.5 通过任务从 8/20 提升到 16/20 — Arindam_1729 · 2026-11-17
- 同一模型同一提示词:40 行 harness 让 Opus 5.5 通过率 8/20 升至 16/20 — blaizedsouza · 2026-11-18