「每个 query 都有自己的 harness」:一句话点出评测新思路
amankhan · x · 2026-10-12
amankhan 提出一个简洁但引发思考的想法:如果每个查询(query)都拥有专属的 harness(评测/执行框架)会怎样?这暗示评测与 agent 执行框架可以按任务定制,而非一套通用框架跑所有任务。
「编程与Agent」频道最新
- 开源 Qalign 节点修复 Qwen Image 2.1 Edits 像素漂移 — listopalafoto · 2026-10-12
- Codex 爱跑测试更抗造，Claude 更快：两种编码 agent 的行为差异 — haider1 · 2026-10-12
- Video-RSI：让视频理解智能体递归自我改进，用更少帧数换更高准确率 — Bingjun Luo · 2026-10-12
- 斯坦福提出无状态语言智能体：用少84% token达到最强内核优化基线 — StanfordUniversity · 2026-10-12
- 开源 Photoshop 替代品 PhotoCraft 五天获 48.5k 星，7000 人协作提交 — alfcnz · 2026-10-12
- 用 Codex 浏览器控制整理 Google Photos:自动建相册挑出最佳照片 — pvncher · 2026-10-12