字节跳动 Seed 联合发布 HarnessDev 基准，评估模型自建 agent 执行框架能力

ByteDance Seed 与 SUTD、Georgia Tech、M-A-P、TokenWave.AI 联合推出 HarnessDev 基准，衡量模型构建的可运行 agent harness 而非其给出的答案，6 个创造者模型在 5 个基准、2207 个任务上构建 harness，64 项改动中仅 34 项可泛化。