02:51
elvis@omarsar0
elvis@omarsar0精选
推荐理由：如果你在给编码智能体写AGENTS.md，这篇论文用256条规则和12个模型实测告诉你哪些规则真有用，别凭感觉写了。
Harness-IF
共 1 条相关 AI 资讯
8月14日
02:51
Harness-IF提出一种规则评估方法，通过从执行证据中逐条打分256条规则，并在九个探针构建中撤回每条规则后重跑任务，来区分规则是否真正改变了模型行为。在12个前沿模型上，原始准确率为72.1%到85.9%，剔除巧合后的Against-Prior准确率降至66.1%到78.6%，每个模型下降3.6到7.4个点。研究发现优先级不随提示词深度变化，系统提示、项目文件和用户指令的优先级都高于工具和技能描述。论文见arxiv.org/abs/2608.11727。