待验证50% 置信基准精确时间
同一个harness在一个模型下得分69.3，换到另一个模型下只有33.0，表明执行器依赖极其严重。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
涉及实体
相关事实
待验证同一个模型（相同权重）在一个 agent harness 里得分 62%，换一个 harness 只剩 33%，落差接近 30 个百分点72% 相似待验证同一个模型配上不同的harness，实际表现可能相差数倍。70% 相似待验证同一个脚手架把弱模型的执行品质从 0.88 提升到 2.0（四个评分维度），却把强模型推向过度谨慎的关闭（四维度全降）。69% 相似待验证在DeepSuite V1.1基准下，同一模型在不同harness下的成绩从69.8%波动到74.2%67% 相似待验证如果模型跑BF16训练但DCGM_FI_PROF_PIPE_TENSOR_ACTIVE指标长期低于30%，基本可以断定算力被严重浪费65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1038301API
curl https://kongchang.com/api/v1/knowledge/claims/1038301MCP
get_claim(id=1038301)