待验证50% 置信事实精确时间

模型评测分数虽受 Harness 影响不大，但每个任务的成本在不同 Harness 之间存在显著差异。

1

来源数

50%

置信度

长期有效

时效性

2026/10/22

首次发现

来源

前Cursor工程师：Agent Harness死了吗？数据飞轮与三样吸不走的东西

bilibili全球AI科技不费眼2026/10/22

涉及实体

Agent Harnessconcept

相关事实

待验证Harness2 采用无需评分模型（grader-free）的相对评估，通过候选版本之间的横向比较择优，不需要标准答案或外部打分器。68% 相似待验证SWE-bench 榜单上的分数不仅反映模型强弱，也反映了 harness 的工程质量66% 相似待验证提示长度衡量的是成本而非能力需求，二者是本质不同的两个维度64% 相似待验证UC Berkeley 和 Apple/EPFL 的两项研究都发现，不同 Harness 选择下每任务成本存在显著差异。64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1087773

API

curl https://kongchang.com/api/v1/knowledge/claims/1087773

MCP

get_claim(id=1087773)