# NVIDIA Mid-Harness 將 TerminalBench-Lite 的 Pass@1 由 50.0% 提升至 68.0%

一篇關於終端智能體測試時計算的 NVIDIA 論文稱，GPT-5.6 Sol 驗證器在八條取樣 shell 指令中選擇，可將 TerminalBench-Lite 的 Pass@1 由 50.0% 提升至 68.0%。驗證器較弱時，增加樣本幾乎沒有作用。

Language: zh-HK
Time zone: Asia/Hong_Kong
Current time (UTC, cached as of): 2026-11-22T13:22:00.000Z
Query date (Asia/Hong_Kong): 2026-11-22

HTML: https://didcodexreset.com/zh-hk/news/3ff7d6fe58a745f7867d154b.html

Content language: zh-HK
Localization state: translated

來源：DAIR.AI · 發布於 4/10/2026 19:21:34

Mid-Harness 不改變生成器和 harness，在兩者之間運作。它取樣多條候選 shell 指令，並在執行其中一條之前加以驗證。論文發現，把更多運算用在驗證器上，比再抽取額外樣本更有用。

由 GPT-5.6 Sol 在八個取樣動作中選擇時，TerminalBench-Lite 的 Pass@1 由 50.0% 升至 68.0%。弱驗證器從額外樣本中幾乎得不到提升。較小的 TMAX-9B 模型檢查自己的候選時，兩兩比較效果最好，將強驗證器蒸餾到 TMAX-9B 還能進一步帶來幫助。把動作取樣與軌跡取樣結合，能以低於單獨取樣完整軌跡的估計 token 成本達到更高成功率。論文為 [Mid-Harness](https://academy.dair.ai/papers/mid-harness-scaling-actions-between-model-and-harness-for-terminal-agents-2609.39982)。

Tags: NVIDIA, Mid-Harness, TerminalBench, 測試時計算, 終端智能體

[查看主帖原文](https://x.com/dair_ai/status/2106700907106943107)
