AI构建智能体框架能力基准Doc2Harness发布
热点事件持续更新
AI构建智能体框架能力基准Doc2Harness发布
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
Yuyao Ge等作者提出了Doc2Harness基准，用于评估AI在构建长周期智能体框架时的表现。 在该基准测试中，GPT-6 Astra在328个测试用例中以53.05%的通过率位居首位，最弱模型的通过率为27.44%。 测试结果显示，即使是最强模型也未能通过近半数的用例，其失败主要集中在跨模块的功能划分上。
AI 根据报道生成 · 3 小时前更新
最新进展11月11日 03:31
Doc2Harness: Benchmarking how well AI builds agent harnesses报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- Hacker News · AIDoc2Harness: Benchmarking how well AI builds agent harnesses
Doc2Harness 是一个两阶段基准测试，评估 AI 在构建长周期智能体框架时的表现。该基准测试中，GPT-6 Astra 在 328 个测试用例中以 53.05% 的通过率位居首位，最弱模型通过率为 27.44%。测试显示，即使最强模型也未能通过近半数用例，失败主要集中在跨模块功能划分上。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月11日 04:00
- 近 24 小时变化
- –
02.557.510
04:0005:0006:00
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。