实测：前沿 LLM 能自建评分 harness 爬山逼近任何目标
Ryoiki-Tokuiten · reddit · 2026-10-25
Reddit 用户实测发现，前沿 LLM（帖中称在 Gemini 4 Argon 上测试）可以为任意目标自主创建任务专用的评分 harness，再据此迭代爬山优化。
配图展示了完整实验：给出一张复杂参考图（印度宫廷风格的家具场景），prompt 要求模型「创建你自己的 SVG 评分 harness，并画出与参考图像素级一致的 SVG；不许用光线追踪等 Adobe 玩了 25 年的套路或任何 reward hacking；harness 必须提供真实丰富的验证信号以支持迭代」。
最终产出约 800 行 SVG，风格化复刻了参考图的构图、配色与细节。关键洞察是：让模型自己设计与验证评分信号，比人手写 eval 更通用，可迁移到任意可验证目标上。
「编程与Agent」频道最新
- 开发者开源个人 Agent「Aggy」:wasmer 沙箱+密钥网关+多人协作 — tobowers · 2026-10-26
- dair-ai 周选论文：对象导向 Agent Harness、Agent 缓存工程等上榜 — dair_ai · 2026-10-26
- 一条提示词让 AI 优化 Gazebo：深度图 CPU 省 68%、点云提速 3.6 倍 — facontidavide · 2026-10-26
- 新开发范式火了：让 Astra 写完整个应用，再截图发给 Opus — TinfoilTricorn · 2026-10-26
- MOSS 图像编辑社区 LoRA armV5 发布：参考预算提至 256 token — _akhaliq · 2026-10-26
- Agent 演示为何总在关键一步前戛然而止：人工审核才是成本大头 — rahul_watertech · 2026-10-25