Harness进化搜索集涨分争议：过拟合并测试时缩放影响

Harness进化搜索集在21个统计显著的增益场景中，54%的改进归因于过拟合并有14%归因于测试时缩放。这表明搜索集增益难以迁移到其他任务。早先报道称Harness进化通过自动优化提升模型性能，但最新研究发现搜索集增益的效果受限。

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。