13 phút đọc
Bạn Không Cần Model Mạnh Hơn. Bạn Cần Harness Tốt Hơn.
Cùng một model, chỉ đổi harness, điểm số chênh 23,8 điểm phần trăm — có trường hợp đảo ngược cả thứ hạng. Dữ liệu từ Harness-Bench, Epoch AI và thí nghiệm một triệu dòng code của OpenAI cho thấy thứ quyết định kết quả của agent không phải là model bạn chọn.


