Reddit 用户实测 Gemini 4 Argon 可自建评分 harness 迭代爬山逼近目标

Reddit 用户实测称，前沿 LLM 可以为任意目标自主创建任务专用的评分 harness，再据此迭代爬山优化。测试在帖子所称的 Gemini 4 Argon 上进行，模型按提示自建 SVG 评分 harness，最终产出约 800 行 SVG，风格化复刻了参考图的构图、配色与细节。帖中给出的关键洞察是让模型自己设计与验证评分信号，比人手写 eval 更通用，可迁移到任意可验证目标上。