热点事件观察中
Doc2Harness基准测试评估LLM在长周期编码智能体工程中的表现
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Doc2Harness是一个两阶段的基准测试，旨在评估长周期编码智能体工程。第一阶段涉及模型在固定构建器环境中构建候选工程，第二阶段则由脚本模拟模型驱动候选工程运行。最新报道显示，GPT-6 Astra在19个前沿模型中表现最佳，通过率高达53.05%。
AI 根据报道生成 · 18 小时前更新
最新进展10月14日 04:00
GPT-6 Astra在Doc2Harness基准测试中表现最佳，通过率高达53.05%。报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- Hugging Face Daily PapersDoc2Harness：评估LLM在长周期编码智能体工程中的基准测试
Doc2Harness是一个两阶段的基准测试，用于评估长周期编码智能体工程。在第一阶段，构建模型在固定构建器环境中接收接口合同骨架和开发文档，构建候选工程。在第二阶段，候选工程在独立容器中运行，由脚本模拟模型驱动。GPT-6 Astra在19个前沿模型中表现最佳，通过率高达53.05%。
本事件热度走势
当前热度 3·可比范围峰值 4（10月15日 12:00）·近 24 小时可比范围变化 –
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。