Harbor Adapters发布

发生了什么

据arXiv cs.AI论文，研究团队推出Harbor Adapters统一智能体评估基础设施及Harbor-Index数据集。该工作开发适配器将80多个基准测试移植以评估任意智能体，并对8个模型在54个基准测试上进行大规模评估。Harbor-Index包含82个经过筛选的高质量任务，覆盖29个基准测试。所有评估配置通过率不超过30%，最强模型GPT-5.5 with Codex达到28.0%。相关成果已开源。