Le filThèmes : AgentsRechercheÉvaluations
Mid-Harness échantillonne et vérifie des actions candidates avant exécution pour les agents de terminal
2 sourcesmis à jour il y a 1 jpertinence 3,7 sur5
L’essentiel
Sur TerminalBench-Lite, un vérificateur GPT-5.6 Sol qui choisit parmi 8 actions échantillonnées fait passer le Pass@1 de 50,00 % à 68,03 %. Avec un vérificateur faible, l’échantillonnage apporte peu de gain.
Couverture
- Sources
- 2
- Articles
- 2
- Par type (sources)
- Communauté 1
- Par rôle (articles)
- Primaire 1Relais 1
Propagation2 articles en 5 jours, de HF Daily Papers à AINews.
Les sources
1 article, puis 1 sous « Relayé par »
HF Daily PapersCommunauté : fiche de la sourceSource primairePremier
Hugging FaceMinki Kang, Ryo Hachiuma, Shaokun Zhang et al.huggingface.co
Mid-Harness: Scaling Actions Between Model and Harness for Terminal Agents (site externe)
Terminal agents act through stochastic model generations, yet the ability to generate a useful action does not ensure its reliable execution.
Relayé par
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Agents
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5