LLM は独自のエージェント ハーネスを設計できますか? ByteDance Seed の HarnessDev は、64 件の変更のうち 34 件のみが一般化されると述べている

ByteDance Seed、SUTD、Georgia Tech、M-A-P、TokenWave.AI は、モデルが返す答えではなく、モデルが構築する実行可能なハーネスをスコアリングするベンチマークである HarnessDev を導入しています。スコア 0、6 のシードから開始します。

概要は情報提供のみを目的としてまとめられています。全文についてはソース リンクを参照してください。デモのエントリは一例です。