标签：harness
-
模型在 AGI 基准 ARC-AGI-3
上拿到满分，出题人却说这不算数
yage.ai
MIT的VISTA与英伟达的AVO在ARC-AGI-3公开测试中均获满分，但出题人指出这是针对已知题目的工程过拟合。文章分析表明，满分主要归功于外围脚手架而非模型自身，揭示了当前AI基准测试在衡量通用智能时的局限性。 -
打破 99% 安全假象：为什么 Prompt Injection
的防线与评测都在 Harness？
yage.ai
文章探讨了Prompt Injection（提示词注入）在Agent时代面临的安全挑战，指出传统的模型微调或更换无法解决问题。核心观点是安全防护的有效性取决于外部工具链和运行时策略（如Harness）的边界控制，而非模型本身的内生属性。文章还批判了现有评估体系中存在的五大陷阱，包括静态评测集过拟合、LLM-as-a-Judge带来的漂移以及忽视Utility Under Attack等问题，强调构建基于系统架构隔离和确定性Harness控制的防御体系才是工程实践中的关键。 -
DeepSeek V4 Flash 0731：用 Nano
级价格买中端性能，斩杀线叙事遮蔽的真实 Agent 经济学
yage.ai
DeepSeek V4 Flash 0731 发布了新的 API 版本，以 Nano 级价格提供中端性能。文章分析了其在性价比上的优势，但指出其真实能力仍处于轻量级定位，并非旗舰模型替代品。核心讨论了API定价、跑分口径差异（Harness）、幻觉率以及Agent生产经济学中的'Cost per accepted task'等工程落地细节。 -
AI 编程正在进入它的 DevOps 时刻
yage.ai
文章分析了火山引擎FORCE大会上关于AI编程的最新数据，指出AI代码生成速度已达到人的10倍以上，但团队研发效率提升有限。核心观点是瓶颈已从代码生成转向软件交付流水线（harness），即如何将快速生成的代码稳定送过测试、review和部署流程，才能实现真正的工程效率提升。 -
被打脸是常态：真格戴雨森的2026年AI创投全景复盘 · 乔木博客
向阳乔木
戴雨森复盘了2026年AI创投的预测与现实，认为AI商业闭环尚待验证。他强调AI应用重心正从“套壳”向操作系统般的“Harness”转变，并指出模型与产品应相互反哺。戴雨森还对AI生产力增效持谨慎态度，认为AI无法替代创新与人的决策责任。