研究：模型与Harness搭配影响Agent任务表现

2026年10月2日，arXiv cs.AI 刊出一篇论文，对 Agent 任务中的模型与 harness 组合进行评估。该研究测试了 66 组模型与 harness 的搭配，结果显示模型排名会随 harness 不同而发生变化，甚至出现反转，说明单看模型本身难以判断其在 Agent 任务中的实际表现。事件此前以“模型与Harness搭配影响Agent任务表现”为题被记录，本次论文报道给出了更明确的实验规模（66 组组合）和“排名随 harness 反转”的结论。截至目前公开报道未披露更多实验细节、具体模型名单或评测基准。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。