热点事件持续更新
Doc2Harness 基准发布，最高通过率 53.05%
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年10月15日，AGI Hunt 报道，中科院计算所、清华、北大等机构提出 Doc2Harness，称其为首个评测长时程 harness 工程的确定性基准。该基准首次测试 LLM 编程智能体的 harness 工程能力，GPT-6 Astra 以 53.05% 通过率居首，意味着近半任务仍然失败。报道未披露参评模型数量、具体任务构成及其他模型成绩。此前该事件以“Doc2Harness 基准发布，最高通过率 53.05%”为标题，本次新报道补充了提出机构与基准定位，通过率数字与早先一致。
AI 根据报道生成 · 48 分钟前更新
最新进展10月15日 11:17
Doc2Harness 细节公布：由中科院计算所、清华、北大等提出，GPT-6 Astra 以 53.05% 通过率居首。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- AGI HuntDoc2Harness 首测 LLM 编程智能体 harness 工程：GPT-6 Astra 通过率 53%，近半仍失败
中科院计算所、清华、北大等提出 Doc2Harness，首个评测长时程 harness 工程的确定性基准，GPT-6 Astra 以 53.05% 通过率居首。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。