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。
「编程与Agent」频道最新
- 同一套 DeepSeek 内核两种优化路线：vLLM 拆专家、SGLang 降访存 — AccBalanced · 2026-10-27
- 用 Tailscale 让云端 Grok Bot 在自己 Mac mini 上写代码，全程不开公网端口 — talkaboutdesign · 2026-10-27
- 工程师数月实践：Agent 每次调用重发全量上下文，改一个 token 全额付费 — dscape · 2026-10-27
- Alchemy 支持 Effect Workflow:跨 Durable Objects、Workflows 与 Lambda 持久函数 — samgoodwin89 · 2026-10-27
- Alchemy 推出 Lambda Web Functions,Node 版 Web 服务器直接上 Lambda — samgoodwin89 · 2026-10-27
- Alchemy 全部约 2850 个 AWS binding 现已跨云可用 — samgoodwin89 · 2026-10-27