卧槽，DeepSeek Harness（DSH）是不是一直被低估了？？😳 清华 × 微软亚研的新论文，把 DSH 和 Codex 放在一起测试，结果有点夸张… · @star_flow_ai · TwKit

@star_flow_ai

卧槽，DeepSeek Harness（DSH）是不是一直被低估了？？😳 清华 × 微软亚研的新论文，把 DSH 和 Codex 放在一起测试，结果有点夸张！ 同样用 MiMo-v2.6-pro 模型： HumanEval 上，DSH 正确率 96.94%，Codex 93.88%，前者消耗的 Token 只有后者的约 1/5！ 更狠的是，接入 HarnessMM 后，DSH 在另一组测试中 Token 消耗直接暴降 87.93%，成功率还从 71.43% 涨到了 85.71%！ 看来 Agent Harness 真能把同一个模型的表现拉开这么大差距。 DSH 这外壳，真得重新审视一下了！！！

曝光 59 · 评论 2 · 点赞 0 · 书签 0