清华与微软提出 HarnessMM 方法
热点事件持续更新
清华与微软提出 HarnessMM 方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
清华大学与微软的论文提出 HarnessMM 方法：模型预先写出带校验条件的后续命令，工具结果通过校验就直接执行并跳过 LLM 调用。 在 98 个 HumanEval 任务上，DeepSeek Harness 的成功率从 71.43% 升至 85.71%，token 用量比原版减少 87.93%；Codex 成功率保持 90.82%，token 用量减少 29.54%。
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
- RadarAI清华与微软提出 HarnessMM，DeepSeek Harness 在 HumanEval 上省 87.93% token
清华与微软的论文提出 HarnessMM，让模型预先写出带校验条件的后续命令，工具结果通过校验就直接执行并跳过 LLM 调用。在 98 个 HumanEval 任务上，DeepSeek Harness 成功率从 71.43% 升至 85.71%，token 用量比原版减少 87.93%；Codex 成功率保持 90.82%，token 用量减少 29.54%。
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。