22:54
elvis@omarsar0
elvis@omarsar0精选
推荐理由：这篇论文给那些维护大型生产级智能体框架的人一个精准的定位方法，把分散的运行时行为映射到源码，实测提升成功率、降低token消耗，值得细看。
Terminus-2
共 1 条相关 AI 资讯
7月23日
22:54
论文提出Harness Handbook方法，通过静态分析和LLM辅助构建运行时行为到源代码的三级映射。使用BGPD工作流（从系统概览到相关阶段、函数和文件）引导编程智能体进行修改。在Codex和Terminus-2上60个修改请求测试中，规划成功率分别从28.3%提升至38.3%和从26.7%提升至45.6%，计划token使用量下降12.7%和8.6%。所有24个对比中文件级和符号级F1均优于GPT-5.5和Opus 4.8参考计划，完整定位缺失最多降低25.9个百分点。