行业与实践 · 标签「Doc2Harness」

研究与基准测试/2026-10-20/22 分钟

Doc2Harness：评测大语言模型在编码智能体长程 Harness 工程上的能力

Doc2Harness 让构建模型在固定的 OpenCode 里，依十二个前沿 harness 汇成的开发文档和只含接口的契约骨架写出候选 harness，再用脚本化模拟模型与阳性对照打分。十九个模型、三次构建、328 个用例上，GPT-6 Astra 通过率 53.05%，最弱 27.44%；失败集中在横切功能被拆进过多模块。