实验案例
LangChain 实验
同一个模型，只改 Harness (｀・ω・´)
实验条件 (｡･ω･｡)
GPT-5.2-Codex
同一个模型 (｀・ω・´)
模型参数一个都没动
不微调、不换模型 (｡ŏ_ŏ)
只改变外部工程环境
只改 Harness (｡･∀･)ﾉﾞ
Terminal Bench 2.0 成绩
改之前
52.8%
改之后
66.5%
提升 13.7 个百分点 ✧*｡٩(ˊᗜˋ*)و✧*｡
排名飞跃 (｡･ω･｡)ﾉ
30+
名开外 (´；ω；`)
Top 5
前 5 名 ✧(≖ ◡ ≖✿)
换模型
只改 Harness
模型不变，成绩巨变 ✧*｡٩(ˊᗜˋ*)و✧*｡