BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
BNB
$710
3.05%
lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
Trang chủ
AI AI
Tin nhanh
Bài viết
Sự kiện
BlockBeats Pro
Thêm
Thông tin tài chính
Chuyên đề
Hệ sinh thái chuỗi khối
Mục nhập
Podcast
Data
OPRR
Partnered With:

AI bắt đầu tự động cải tiến Agent Harness: Opus 5 đạt ba hạng nhất trong bốn hạng mục.

Động sát Beating Tin nhanh AI, Scale AI ra mắt HarnessOpt-Bench, chuyên kiểm tra xem AI có thể tự sửa harness của Agent hay không, giúp một Agent khác trở nên mạnh hơn.

Harness là bộ chương trình bao quanh mô hình, bao gồm prompt, công cụ, bộ nhớ và quy trình làm việc. Khi kiểm tra, AI sẽ nhận được một harness cố tình chưa được tối ưu hóa đầy đủ, liên tục sửa mã dựa trên điểm số và các trường hợp thất bại, nhưng mô hình bên trong vẫn không thay đổi.

Sau khi sửa xong, Scale lại đưa ra một loạt bài kiểm tra mà AI chưa từng thấy để đánh giá xem Agent sau khi sửa có thực sự mạnh hơn hay không. Điều này giúp tránh việc AI chỉ tối ưu điểm số cho các bài đã biết.

Scale sử dụng 5 mô hình gồm Claude Opus 5, GPT-5.6 Sol, Kimi K3, chạy 111 lần trên 4 loại nhiệm vụ. Opus 5 hoạt động tốt nhất, giành 3 vị trí đầu trong 4 hạng mục.

Nhìn chung, mô hình chịu trách nhiệm sửa harness quan trọng hơn việc nó dùng Claude Code, Codex hay OpenCode để sửa mã.

Tuy nhiên, đây vẫn chưa phải là "tự cải thiện AI" thực sự. Vì lần này là một AI sửa harness của một Agent khác, và harness ban đầu vốn cố tình để lại nhiều không gian tối ưu.

Liên quanĐề xuất
Đáp án không phải là một mô hình mạnh hơn, mà là kiến ​​trúc
V4-Pro-Max (Chế Độ Năng Lực Suy Luận Cao Nhất) tự xưng là mô hình mã nguồn mở mạnh nhất hiện nay, với chỉ số mã hóa cao cấp, việc suy luận và nhiệm vụ của đại lý đã làm nghiêng biên giới của mã nguồn đóng.
Báo lỗi/Báo cáo
Gửi
Thêm mới thư viện
Chỉ mình tôi có thể nhìn thấy
Công khai
Lưu
Chọn thư viện
Thêm mới thư viện
Hủy
Hoàn thành