轻量编码Agent的harness-模型配对评测

Lu Zhao等作者发布了一项受控全因子评测，考察六种开源harness与三种轻量编码模型在100个SWE-bench Verified任务上的配对表现，共完成1800次评分运行，所有运行采用统一的服务、计量和评分条件。 该研究关注的是harness与模型之间的搭配如何影响轻量编码智能体的表现，但报道未给出具体配对结果或哪一组合更优的结论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。