重跑全部 ipython 版本实验，验证 harness 改进对小模型的收益
yb2698 · x · 2026-10-14
作者说明首条推文中的图表来自用所有 ipython harness 版本重跑单任务实验的结果，用以对比不同 harness 版本对 Qwen3.5-9B 在 pandas-etl 任务上 reward 与 token 消耗的影响（v0→v3：reward 0.70→0.95，input tokens 530k→52k）。
所属事件:一个 ipython 工具追平复杂框架：小模型 agent 脚手架对比实验(15 条相关)→
「编程与Agent」频道最新
- 新工具为 AI Agent 推出专属云电脑：4 vCPU 秒级启动，内建 computer use — CurieuxExplorer · 2026-10-15
- Claude Code 作者用一打 Agent 把 64 篇论文变成可交互物理实验平台 — luisdans · 2026-10-15
- 用户让 Grok bot 自己写了个邮件界面,全程可用 — elonmusk · 2026-10-15
- YC F26 项目 Papaya 发布:自动给生产环境 AI Agent 开修复 PR — ycombinator · 2026-10-15
- RAG 评测驱动开发实战:eval 用例存 Git,失败即补测 — Al_Grigor · 2026-10-15
- LlamaIndex 推出 OpenDocRouter:按 ParseBench 横评文档解析模型 — llama_index · 2026-10-15