LangChain fait passer deepagents-cli de 52,8 à 66,5 sur Terminal Bench 2.0 grâce au harness engineering
Titre original:Improving Deep Agents with harness engineering
Résumé IA
LangChain partage sa méthode de harness engineering qui, sans changer de modèle (gpt-5.2-codex fixe), fait passer deepagents-cli de 52,8 à 66,5 sur Terminal Bench 2.0, le propulsant dans le top cinq du classement.
Points clés
- LangChain partage sa méthode de harness engineering qui,sans changer de modèle (gpt-5.
- 2-codex fixe),fait passer deepagents-cli de 52,8 à 66,5 sur Terminal Bench 2.
- 0,le propulsant dans le top cinq du classement.
En bref
- Publié
- Mis à jour
- Source
- LangChain:Blog(RSS)
- Catégorie
- Tutoriels et astuces
- Score IA
- 67
LangChain 完整公开了仅靠改 harness 把 coding agent 提到 Terminal Bench 2.0 前五的迭代方法与具体中间件设计,可迁移到自家 Agent 优化。
Source et droits
Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.
Comment citer
Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.
Orange News : LangChain fait passer deepagents-cli de 52,8 à 66,5 sur Terminal Bench 2.0 grâce au harness engineering. 18. février 2026. https://new.nat6.net/fr/news/lx7g6g2qahoeorfi7xt6s88wc/