kalomaze 吐槽:工具调用解析器 bug 是比想象中更大的评测混杂因素
kalomaze · x · 2026-09-19
kalomaze 发推称「去死吧 harness 工具调用解析器 bug」,表示这类 bug 对实验结果的干扰远比他预想的严重,是评测中容易被忽视的混杂变量。未展开具体细节。
所属事件:研究者警告：工具调用解析器与chat template缺陷成评测混杂因素(3 条相关)→
「编程与Agent」频道最新
- 开发者用 AI Agent 造出开源视频剪辑工具 Concat,对标 CapCut — JUB0T · 2026-09-19
- 网友用 Jev 做浏览器扩展，自动打标签分析你上网都在看啥 — pramodk73 · 2026-09-19
- 一条 prompt 花 1 美元 5 分钟，用编码 Agent 搭出完整 Django 应用 — Al_Grigor · 2026-09-19
- Agent 接多个视频模型：一个通用工具还是每家各建一个？ — ExcitingBison4616 · 2026-09-19
- Readback 开源插件：让 Claude Code 的回复用语音读给你听 — shauntrennery · 2026-09-19
- GitHub Next 开源 LocalJev：用 oMLX 本地复刻 Jev 决策 API — gaganghotra_ · 2026-09-19