清华与微软提出 HarnessMM 减少 Agent Token 消耗
热点事件持续更新
清华与微软提出 HarnessMM 减少 Agent Token 消耗
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
清华大学与微软研究人员提出了 HarnessMM 方法，通过让模型提前规划带验证条件的未来指令来减少不必要的模型调用。Rohan Paul 介绍称，在 98 项 HumanEval 任务测试中，该方法使 DeepSeek Harness 在 token 消耗降低 87.93% 的同时，成功率从 71.43% 提升至 85.71%。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- Rohan Paul清华与微软提出 HarnessMM：让 DeepSeek Harness 节省 87.93% token 且任务成功率提升
清华大学与微软研究人员提出了 HarnessMM 方法，通过让模型提前规划带验证条件的未来指令来减少不必要的模型调用。在 98 项 HumanEval 任务测试中，该方法使 DeepSeek Harness 在 token 消耗降低 87.93% 的同时，成功率从 71.43% 提升至 85.71%。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月2日 18:00
- 近 24 小时变化
- –
02.557.510
18:0019:0020:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。