Harness 让多模型基准成绩翻盘
ycombinator · x · 2026-07-16
Poetiq 声称他们做出的 harness 让多个模型在基准上“翻盘”。 - 转述里提到：Opus 4.8 / GPT-5.5 在这个系统下，全面超过了 Fable / GPT 5.6 Sol。 - Poetiq 自己的表述是：他们的 RSI 系统能让基准变得“太简单”，给一个 benchmark，它会自己构建解法，然后在数学、编码、规划、长上下文、工具使用、网页应用等 6 项上击败 SOTA。 - 他们强调没有人工调参。