待验证50% 置信事实精确时间
UC Berkeley的一项研究让七种前沿模型在Pi、Codex、Cloud Code等多个harness上跑SWE-bench Lite，发现在更新、更聪明的模型上，harness的选择对分数没有显著影响。
1
来源数
50%
置信度
长期有效
时效性
2026/10/21
首次发现
来源
Agent框架已死？Cursor工程师用数据反驳
bilibili枫叶边城2026/10/20
涉及实体
相关事实
待验证7B 以下的小模型必须依赖少样本、短提示、单任务和明确的输出格式。63% 相似待验证讲师认为模型的强弱排位不是一成不变的，过一段时间榜单会变化，不同时期可灵活切换62% 相似待验证标准贝叶斯优化采集函数（如GP-UCB、EI、Thompson采样）的设计目标几乎都是最小化累积遗憾，因此天然偏向利用而非探索。62% 相似待验证开发者列出了七条项目局限，包括样本小、仅一轮压力、温度0.5、小型本地模型、辩护者被直接告知答案、评分只看最终答案、Lambda配额措辞不够精确。61% 相似待验证研究者发现只需微调模型的少量参数就能移除安全对齐（去对齐攻击），且某些越狱提示可在不同模型之间迁移61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1078684API
curl https://kongchang.com/api/v1/knowledge/claims/1078684MCP
get_claim(id=1078684)