FrontierHarness榜v1.1发布
热点事件持续更新
FrontierHarness榜v1.1发布
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
guanlan团队发布FrontierHarness排行榜v1.1，用于评估更换模型时是否也应更换harness；目前结果正陆续公布，尚无统一结论。 相较仅在单一模型上比较harness的v1.0，v1.1覆盖21个harness、5个模型、62个任务和4次尝试，规模扩大72倍，最多消耗1000亿token并完成26040次agent运行。
AI 根据报道生成 · 35 分钟前更新
最新进展11月11日 00:47
guanlan 团队发布 FrontierHarness 排行榜 v1.1：换模型是否也该换 harness？报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- AGI Huntguanlan 团队发布 FrontierHarness 排行榜 v1.1：换模型是否也该换 harness？
guanlan 团队发布 FrontierHarness 排行榜 v1.1，以最多 1000 亿 token、26040 次 agent 运行评估更换模型时是否也应更换 harness。v1.1 覆盖 21 个 harness × 5 个模型 × 62 个任务 × 4 次尝试，规模是仅在单一模型上排行的 v1.0 的 72 倍，结果正陆续实时公布。
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。