论文提出模型与执行框架交互评测框架

Shao Zhang 等作者在 arXiv 发布论文，提出智能体表现由模型与执行框架共同决定，应通过二者交互来评测框架，而非单独归因于模型或框架。 该框架包含 Valid Completion Rate、Model-Harness Fit、Cross-Model Fit、Interaction Residuals 和 Token Load 五项指标，论文同时给出 111 组评测结果。这些指标和结果来自作者自述，报道未说明其外部验证情况。

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。