北京
分享至
模型不动，成绩还能涨？谷歌云AI研究给出的答案是能。他们提出的Harness²把模型本身冻结，只重写模型周围的一切：系统提示词、护栏、记忆、工具指引、子智能体、技能、脚本和插件。
这套循环的做法是：先提出两个改过的外围配置，让它们和当前版本在同一个任务、同一个模型上跑对比，只保留运行轨迹能支撑的改动。经验教训按任务分别存储和检索，一个任务上的修法不会漏进无关的工作里。
效果有具体数字。一轮下来，GLM-5在OpenCode下跑WorkBuddy-Bench，成绩从64.2升到75.7，高于基础版Gemini的72.4。
对开发者来说，这意味着模型是下个月谁都能换掉的那部分，而外围配置以及支撑每一处改动的证据，才是真正留在自己手里的东西。
但这里说的"更好"是行为层面的证据，没有标准答案可对照。代码仓库本身也发出警告：Codex运行中存在不受限的网络访问和被禁用的沙箱。会自我编辑的外围配置，需要代码层面的管控。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
