研究：Harness 优化使 Qwen 在 SWE-bench 上解题数翻倍
rohanpaul_ai · x · 2026-08-31
这篇论文探讨了改变“Harness”（控制模型视野、工具使用及工作流的系统）对固定模型任务结果的影响。实验对比了保留完整历史与压缩旧输出/处理卡顿的配置。在 20k token 限制下，优化后的配置将 Qwen2.5-Coder 在 SWE-bench Verified 上的完整解决方案从 43 个提升到 72 个，F2PF 指标显著改善。这证明了工程架构对 Agent 性能的决定性作用。
所属事件:研究发现编程 Agent 性能高度依赖 Harness 上下文策略(2 条相关)→
「编程与Agent」频道最新
- Martin Fowler 刊文:让数据为 Agentic AI 就绪,先修信任再谈语义 — bibryam · 2026-10-16
- 开发者推出远程 MCP 照片编辑服务，让 Claude 用图层蒙版修真实照片 — fcf41 · 2026-10-16
- 开发者给 MCP 服务器加 Google Merchant Center,并对比官方版差异 — DutchSEOnerd · 2026-10-16
- 开发者晒沙粒自动修复组件：弄乱沙子会自动复原 — prasenx · 2026-10-16
- 开发者类比编译器:没人读机器码,两年后也没人读 AI 生成的代码 — CtrlAltDwayne · 2026-10-16
- Agent 何时需要 API 网关：Reddit 热议直连与统一接口的分界线 — TurbulentStiffness · 2026-10-16