前沿 LLM 自建评分 harness 逼近目标的实测

一名 Reddit 用户在 Gemini 4 Argon 上实测前沿 LLM自主创建任务专用评分 harness，并依据反馈迭代优化。模型最终产出约 800 行 SVG，复刻参考图的构图、配色与细节；帖子认为，自主设计和验证评分信号可迁移到任意可验证目标。