自建 harness 威力：GLM-5.3-Flash 精确匹配从 4.4% 飙至 61.1%
omarsar0 · x · 2026-10-14
一篇展示定制化 agent harness 巨大价值的论文：同一个 GLM-5.3-Flash 模型，在 OfficeQA Pro V2 上精确匹配率从 4.4% 提升到 61.1%，全部增益来自 harness 而非模型本身。
论文提出的模型无关 harness 名为 LongHarness，面向 1 亿 token 以上的超大语料。其核心思路：
- 标准 agent harness 把证据和结论混在不断增长的聊天历史里，检索持续扩张却收不了口，修正传不到答案；
- LongHarness 把证据与结论存为显式状态，未闭合的结论决定下一步检索什么，每条新证据再反过来确认或修正提出它的结论。
效果上，同一基准中 LongHarness 比 Claude Code 高 12.1 分（V1），比 Codex 高 18.9 分（V2）。
「编程与Agent」频道最新
- 类比"玻璃门里的天才助理"：一条视频讲清为什么 AI 需要 MCP — thisiskp_ · 2026-10-14
- 16GB Mac 跑 14 个本地决策模型,实测 Wald 准确率最高 — WolframRvnwlf · 2026-10-14
- 网友用 Opus 5.5 约 30 分钟写出 GitHub 全量自托管备份工具 — threepointone · 2026-10-14
- 给 Agent 记忆加权重:「记忆是否被用过」是好信号 — zeeg · 2026-10-14
- 给 Agent 装计分板:30 天工具调用数揪出零产出机器人 — alexcovo_eth · 2026-10-14
- Anthropic 工程师撰文:如何设计一个高质量的 RL 任务 — BraceSproul · 2026-10-14