Doc2Harness：评测编码Agent长程harness工程基准
热点事件持续更新
Doc2Harness：评测编码Agent长程harness工程基准
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Yuyao Ge 等作者发布基准 Doc2Harness，用于直接评测 LLM 编码智能体的长程 harness 工程能力。该基准分两阶段：第一阶段让模型在固定的 builder harness 内，依据仅含接口的契约骨架和一份汇总十二个前沿 harness 行为的开发文档，在隔离容器中构建完整候选 harness；第二阶段由脚本化 mock 模型在独立容器中端到端驱动冻结后的候选 harness。 据论文表述，这一设计旨在直接评测长程 harness 工程能力，而非仅考察单点编码任务。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
Doc2Harness：评测 LLM 编码智能体长程 harness 工程的基准报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.SEDoc2Harness：评测 LLM 编码智能体长程 harness 工程的基准
论文提出 Doc2Harness，一个两阶段基准，直接评测长程 harness 工程能力：第一阶段构建模型在固定 builder harness 内根据仅含接口的契约骨架和一份汇总十二个前沿 harness 行为的开发文档，在隔离容器中构建完整候选 harness；第二阶段冻结的候选 harness 在独立容器中由脚本化 mock 模型端到端驱动。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。