中国研究者论文称“Harness 工程终结”：评分集取代人写程序
blaizedsouza · x · 2026-10-18
- 中国研究者发布论文《The End of Harness Engineering》，核心论点一句话：围绕模型写程序的技能已经终结。
- 论证逻辑：人写的 harness 是某个人某天下午对某个任务的猜测，上线后无人复评，agent 会按这个猜测跑几个月；而由循环自动写的 harness 是一个会给自己打分的文件——小模型（如 4B）读取失败案例、生成 8 个改写版本，只有在留出集问题上得分最高的版本存活。
- 大模型本身不变，变化的是围绕它的文件，每轮迭代更新。人类工作收敛为一个产物：评分集（scoring set）——你只写题目，不写程序。框架变得可丢弃，“考试”本身变成工作。
「编程与Agent」频道最新
- 创业团队全用自复制 Agent 干活,作者坦承三大短板 — imtanay · 2026-10-18
- SlateDB+Lance+Datafusion 自建数据栈,为客户年省数百万美元 — sh_reya · 2026-10-18
- 开发者吐槽:Muse 是同类中最封闭难接入的 agent harness — RileyRalmuto · 2026-10-18
- 开发者用 Opus 造出整套 Arch 系发行版 Tacit 公开发布 — Snoo-10493 · 2026-10-18
- 学生开源 kimo:无 GUI 视频编辑器,由 AI Agent 经 MCP 驱动 — LieTop7965 · 2026-10-18
- 马斯克宣布 Grok Bot 大升级：速度快 3 倍，接入 X Chat 与邮箱自动化 — elonmusk · 2026-10-18