Mid-Harness：终端Agent动作级测试时扩展

2026年10月1日，HuggingFace Daily Papers 出现一篇社区热门论文，提出 Mid-Harness 方法：在模型与执行框架之间采样并验证候选动作，再选一个交给执行，生成器与执行框架均不改动。报道称，在 TerminalBench-Lite 上，GPT-5.6 Sol 验证器将 TMAX-9B 生成器的 Pass@1 从 50.00% 提升至 68.03%（采样 8 个动作）；同一 TMAX-9B 兼任验证器时，成对验证效果最佳。目前该事件仅有这一篇报道，尚无后续进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。