#LLM工程

字节Seed发布HarnessDev基准：LLM自建智能体框架仅半数改进可泛化

字节Seed联合SUTD、佐治亚理工等推出HarnessDev基准，评估模型自建的智能体运行框架而非最终答案。6个模型在5个基准、2207个任务上从零分种子出发构建并迭代框架，自建框架在写作和ML实验上追平人类参考，但在代码与搜索上落后，且64项演化改动中仅34项在留出任务上方向一致。