热点事件持续更新

清华与微软提出HarnessMM

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

2026年11月2日，X用户Rohan Paul发布消息称，清华大学与Microsoft的一篇论文提出HarnessMM：让模型预先写出后续命令及检查条件，条件通过时直接执行，并跳过LLM调用。论文在98个HumanEval任务上进行测试：Codex保持90.82%的成功率，token消耗较普通Codex减少29.54%；DeepSeek Harness的成功率从71.43%升至85.71%，token消耗较原版减少87.93%。目前报道仅披露上述方法与测试结果。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月2日

16:51
X：Rohan Paul (@rohanpaul_ai)
清华与 Microsoft 论文提出 HarnessMM，用检查机制减少智能体 LLM 调用
清华与 Microsoft 的论文提出 HarnessMM，让模型预先写出后续命令及检查条件，条件通过时直接执行并跳过 LLM 调用。在 98 个 HumanEval 任务上，Codex 保持 90.82% 成功率，同时 token 消耗比普通 Codex 减少 29.54%；DeepSeek Harness 成功率从 71.43% 升至 85.71%，token 消耗比原版减少 87.93%。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。