HuggingPapers· @HuggingPapers · X·· 5 小时前AI 评分
Doc2Harness：编码智能体长程基准发布
Doc2Harness：首个面向编码智能体长程 harness 工程的基准 19 个前沿模型，328 个测试用例，最佳通过率仅 53% —— 即使最强的也有一半失败。来自 ICT-CAS。
Doc2Harness: The first benchmark for long-horizon harness engineering of coding agents
19 frontier models, 328 test cases, best pass rate only 53% — even the strongest fails half. From ICT-CAS.
来源：HuggingPapers · x.com