IDEAS CONECTADAS

Atlas de conocimiento

Explora personas, perspectivas y sus fuentes originales.

1 personas · 1 fuentes · 1 opiniones expresadas

EN CONTEXTO

AI evaluation and generalization

Elige una perspectiva y vuelve a la conversación original.

Evolved harnesses generalize beyond their original benchmarks

EN CONTEXTOAI evaluation and generalization1 opiniones expresadas
2026-07-04

Los sectores iguales orientan la lectura, no indican una clasificación.

Perspectivas 1–1 de 1 · Fuentes más recientes primero

1 / 1

Perspectiva seleccionada

Evolved harnesses generalize beyond their original benchmarks

A harness evolved on Terminal-Bench-2 transferred without further evolution to SWE-bench-verified, indicating it encodes general engineering experience in harness components rather than benchmark-specific optimization.

Estas son perspectivas individuales, no una medida de consenso. El material fuente permanece en su idioma original.

Evidencia a favor

Harness Engineering for Self-Improvement

Extracto original

On Terminal-Bench-2, AHE achieved better than human-designed harness (OpenCode, Terminus-2, Codex) except for Hard tier and a few other self-evolve baselines (ACE, TF-GRPO). The same frozen harness, without further evolving, transfers to SWE-bench-verified, indicating that the evolved harness is able to encode engineering experience into harness components rather than doing benchmark-specific optimization.

Las fechas corresponden a las fuentes, no a cambios de opinión. Los textos sin traducción revisada se mantienen en su idioma original.