定制harness提效但不依赖工具堆叠

开发者报告的 agent 评测复现实验显示，为小模型定制 harness 能改善部分任务表现，但增加工具数量并不必然提高通过率。实验覆盖8个任务、每个任务运行10次：4个任务的通过次数提升4至7次，3个下降，1个持平；工具数量与通过率增益的相关性仅为−0.15。 在 floor-plan 任务中，加入3个工具并使用452词提示词后，通过次数反而减少，说明 harness 的效果取决于具体任务与配置，不能简单靠扩充工具或提示词来提升结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。