Agent Harness Lab 复盘
一次基于 SWE-bench Lite，对比同一模型在 One-shot 与 Agent Loop 下的代码修复表现，并分析多次 rollout、Pass@k、step limit 与失败模式的实验复盘。
我用 Codex 做了一个视频转讲义工具，结果它悄悄漏掉了半节课
一次 AI Coding 项目的复盘与感悟。
一次基于 SWE-bench Lite，对比同一模型在 One-shot 与 Agent Loop 下的代码修复表现，并分析多次 rollout、Pass@k、step limit 与失败模式的实验复盘。
一次 AI Coding 项目的复盘与感悟。