热点事件持续更新
ExploitBench 成绩高度依赖 harness
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月3日，AGI Hunt 报道称 ExploitBench 的成绩高度依赖 harness。同一基准下，GLM 5.3 Flash 的表现明显强于 GLM 4.1 Flash；而在不同 harness 之间，模型在 Claude Code 中表现最好，Codex 居次。报道还澄清，此处所用 harness 并非 ZCode 或 DSH，而是 ExploitBench 默认的环境，其形态约等于一个 Python while 循环。目前该事件的最新进展即为上述结论：模型在 ExploitBench 上的得分受运行环境左右，版本间的差距与 harness 选择同时存在。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- AGI HuntExploitBench 成绩高度依赖 harness：GLM 5.3 Flash 表现远超 GLM 4.1 Flash
GLM 5.3 Flash 在 ExploitBench 上明显强于 GLM 4.1 Flash，成绩高度依赖 harness：Claude Code 中表现最好，Codex 居次。该 harness 并非 ZCode 或 DSH，而是 ExploitBench 默认的约等于 Python while 循环的环境。
本事件热度走势
当前热度 9·可比范围峰值 10（10月3日 10:00）·近 24 小时可比范围变化 –
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。