感觉还挺有意思的 FrontierHarness Eval v1.1 直播跑分，21 harness × 5 model × 62 task × 4 次尝试：总计 26,040 次运行，比此前的 v1.0 360 次的有大幅提升（规模扩大了 72 倍）
• 请不要在回答技术问题时复制粘贴 AI 生成的内容
No Comments Yet
感觉还挺有意思的 FrontierHarness Eval v1.1 直播跑分，21 harness × 5 model × 62 task × 4 次尝试：总计 26,040 次运行，比此前的 v1.0 360 次的有大幅提升（规模扩大了 72 倍）
Select Language