Doc2Harness发布：编码智能体长程基准测试

2026年10月16日，X用户AK (@_akhaliq) 发布消息称，来自ICT-CAS的研究团队发布了Doc2Harness——首个面向编码智能体长程harness工程的基准。该基准包含19个前沿模型、328个测试用例，测试结果显示最佳模型通过率仅为53%，即便是表现最强的模型也有一半测试失败。这是目前关于该基准的唯一报道，尚无后续进展信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。