harness

タスク成功率6.7%から68.3%へ: 10倍の差を生んだのはモデルではなくハーネスだった

LangChainのTerminal Bench結果とhashlineフォーマット実験が示したこと。同じモデルでリーダーボードの順位が逆転した理由は、プロンプト・ツール・ミドルウェアの3つにありました。