用模型改进评测框架

iamrobotbear · x · 2026-07-08

帖子提到他们正在构建“能改进 harness 自身”的循环，并指出强指令遵循模型（如 GPT-5.6 Sol）会让这类流程更有用。核心意思是：把模型用于提升评测/执行框架本身，而不只是完成单次任务。