ByteDance 推出 HarnessDev，评估 LLM 构建 agent 框架能力

转推 @HuggingPapers：LLM 能否构建并演进自己的 agent 框架？字节跳动 Seed 推出 HarnessDev 基准，将评估从任务输出转向可运行基础设施本身。在六个 creator LLM 和五个基准上，生成的框架在代码和搜索方面落后于人工设计的框架，且进化增益不稳定。