微信公众号
关闭开源评测框架选型：harness 的偏见
互动数据需从 wechatDownload 导出导入
- 公众号
- 开源前线
- 发布时间
- 检索词
- 模型评测 benchmark 独立复现
- 原文
- 原文链接待收录（不可用搜索页代替）
框架默认的 few-shot、模板和后处理，本身就是一种立场。换 harness 不换模型，分数也能跳。独立复现应锁定框架版本，或同时报告两套。
原文链接待收录
本篇暂无已验证的微信公众号直链。请通过 wechatDownload 导出或扫描数据补全链接；勿使用搜狗搜索页作为「打开原文」。