清华与微软提出HarnessMM减少Agent调用
热点事件持续更新
清华与微软提出HarnessMM减少Agent调用
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
清华大学与微软发表论文提出 HarnessMM 方法：让模型一次性写出带校验条件的后续命令，工具结果通过校验就直接执行，跳过对 LLM 的重复调用。 在 98 个 HumanEval 任务上，DeepSeek Harness 的成功率从 71.43% 升至 85.71%，token 用量减少 87.93%；Codex 在保持 90.82% 成功率的同时，token 减少 29.54%。上述数据来自论文测试，并非已在实际产品中验证的效果。
AI 根据报道生成 · 2 小时前更新
最新进展11月2日 16:51
清华与微软提出 HarnessMM 减少智能体 token 消耗报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- Rohan Paul清华与微软提出 HarnessMM 减少智能体 token 消耗
清华与微软论文提出 HarnessMM，让模型一次性写出带校验条件的后续命令，工具结果通过校验即直接执行、跳过 LLM 调用。在 98 个 HumanEval 任务上，DeepSeek Harness 成功率从 71.43% 升至 85.71%，token 用量减少 87.93%；Codex 保持 90.82% 成功率的同时 token 减少 29.54%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。