谷歌研究院Harness²：GLM-5改外壳平均分从64.2到75.7

谷歌美国研究院开源了一个研究项目 Harness²，干的事是让 AI 自己动手改它干活时手边那套工具（后面简称「外壳」）。论文里，同一个模型只是把工具自动改了一遍，平均分就从 64.2 涨到 75.7。我拿同一个模型，在 pi 和 omp 两个现成工具里各跑两次同一道题，同一句提示一字不改，四次都修好了。