Doc2Harness: Đánh giá chuẩn các LLM về kỹ nghệ khung chạy kiểm thử dài hạn của agent lập trình

Đoạn trích bài viết

Các agent được vận hành bởi mô hình ngôn ngữ lớn ngày càng được triển khai trên các tác vụ dài hạn, nơi chúng sử dụng các công cụ và sửa đổi không gian làm việc thực tế. Mức độ hiệu quả trong hoạt động của chúng phụ thuộc vào bộ khung bao quanh mô hình cũng nhiều như vào chính bản thân mô hình.