强harness缩小立法XML转换模型差距

一项针对美国州立法文档转为 schema 约束 XML 的工业流水线研究（Palvika Bansal 等作者，arXiv cs.CL）发现，harness 工程比模型本身更决定准确率。在 153 份金标法案上交叉测试三种 harness 与三个 Claude 模型，完整流水线中最弱模型准确率为 0.948，超过单独使用的最强模型的 0.806，配对 bootstrap 检验 p 小于 0.001。 研究将 harness 定义为围绕模型构建的确定性工具，并据此提出：该流水线的准确率主要来自 harness 工程，而非模型自身。

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。