⌘ K
… 读取采集状态 同步中...
雷
原文
深度学习与NLP· 深度学习与NLP·· 2026-08-22AI 评分53

15家机构联合发布 HarnessEval,推动评测从 Metric 转向可执行系统

开启Benchmark的Harness时代:15家学术机构联合发布HarnessEval

AI 导读

MirroS 联合清北、Berkeley、MIT 等机构发布 HarnessEval,旨在将 Harness 概念引入评测系统,解决复杂 Agent 评测中静态指标不足的问题。该框架通过理解案例、规划路径、选择技能和验证证据四个阶段,将评测重构为可执行的智能体工作流,并首先落地于交互式世界模型评测,输出可追溯的证据树而非单一分数。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:深度学习与NLP · mp.weixin.qq.com