GLM 5.3 Flash 调优后完成率 29%→82%,Beaker 证明先调 harness 再评模型

VictorSanh · x · 2026-11-17

Beaker 团队发文提出:agent 的 harness 和 prompt 通常只针对一个模型构建,换模型后表现变差不一定是模型的锅。比较模型前应先为每个模型调优 agent。Beaker 可自主完成这一过程。

在编码 agent 基准 AppWorld 上对 8 个模型的测试结果:

结论:选模型前先给每个模型一次公平的「因材施教」,冷门模型可能被严重低估。

所属事件:Beaker:选 Agent 模型别靠感觉,应先调优 harness 再对比(2 条相关)→

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →