PapersBuilders12:17Chinese contentHarnessOpt-Bench:评估大模型在提示词与工具编排优化上的能力想比较哪些大模型最会自己改提示词和工具编排?这个新基准用4个任务111次运行测了5个模型,结果挺反直觉。#HarnessOpt-Bench#agents#prompt engineering#benchmarksaarXiv cs.AI@Varun Ursekar et al. (7)SourceRead laterReadWorth followingUsefulFollow HarnessOpt-Bench