跳到正文
热点事件持续更新

Runta 发布 FrontierHarness Eval v1.1 评测结果

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Runta 与 Baseten 合作发布 FrontierHarness Eval v1.1,评测 22 个 harness 配置、5 个模型和 62 个终端任务,共进行 27,280 次 agent 运行、消耗 83B tokens,规模是 v1.0 的 76 倍。 该评测旨在回答哪个 harness 最适合哪个模型。

AI 根据报道生成 · 4 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17日
  1. Hacker News
    Runta 发布 FrontierHarness Eval v1.1:哪个 harness 最适合哪个模型

    Runta 与 Baseten 合作发布 FrontierHarness Eval v1.1,用 83B tokens、27,280 次 agent 运行评测 22 个 harness 配置 × 5 个模型 × 62 个终端任务,规模是 v1.0 的 76 倍。

本事件热度走势

可比范围当前
8
可比范围峰值
911月18日 02:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。