热点事件历史事件

研究：更重的编码agent harness成本更高但通过率无明显提升

1 篇报道1 个报道来源4 天前更新

先了解这件事

AI 综述

Liu 和 Han 的研究让五个模型在 Claude Code、OpenCode、mini-SWE-agent 三种 harness 上跑 SWE-bench Verified 任务，发现换 harness 带来的结果变化与同一配置重跑的噪声相当，而三个较重的 harness 每模型消耗的 token 是最轻方案的两到三倍，通过率却仍在测量不确定性内。测试使用 SWE-bench Verified 中最难的 45 个任务加另外 447 个任务池，全部离线运行。早期联网测试中，Deepseek 和 Qwen 模型 71% 的尝试直接从 GitHub 拉取正确修复而非自行解题。闭源顶级模型 Opus 5 仅在 Claude Code 中运行。

AI 根据报道生成 · 3 天前更新

最新进展10月24日 17:21

研究发现更复杂的编码agent harness成本更高但通过率无明显提升

报道时间线

沿着报道，了解事件的不同侧面。

10月24日

17:21
The Decoder
研究发现更复杂的编码agent harness成本更高但通过率无明显提升
Liu 和 Han 的研究让五个模型在 Claude Code、OpenCode、mini-SWE-agent 三个harness上跑 SWE-bench Verified 任务，发现换harness带来的结果变化与同一配置重跑的噪声相当，而三个较重的harness每模型消耗的token是最轻方案的两到三倍，通过率却仍在测量不确定性内。

本事件热度走势

可比范围当前: 3
可比范围峰值: 910月24日 21:00
近 24 小时变化: -51%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。