**Doc2Harness：评估大模型长程任务框架工程的新基准**

_Doc2Harness: Benchmarking LLMs on Long-Horizon Harness Engineering of Coding Agents_

> 研究人员推出了 Doc2Harness，这是一个旨在评估大语言模型在构建复杂、长程任务框架（Harness Engineering）能力方面的双阶段基准。该基准通过测试模型构建代码的完整性与正确性，揭示了即使是最先进的模型在处理跨模块功能划分时仍面临挑战，为衡量 AI Agent 的工程能力提供了确定性的评估标准。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.20344)