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

一篇关于终端智能体测试时计算的 NVIDIA 论文称，GPT-5.6 Sol 验证器在八条采样 shell 命令中选择，可将 TerminalBench-Lite 的 Pass@1 从 50.0% 提升至 68.0%。验证器较弱时，增加样本几乎没有作用。

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

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

Content language: zh-CN
Localization state: translated

来源：DAIR.AI · 发布于 2026/10/4 19:21:34

Mid-Harness 不改变生成器和 harness，在两者之间工作。它采样多条候选 shell 命令，并在执行其中一条之前加以验证。论文发现，把更多算力花在验证器上，比再抽额外样本更有用。

由 GPT-5.6 Sol 在八个采样动作中选择时，TerminalBench-Lite 的 Pass@1 从 50.0% 升至 68.0%。弱验证器从额外样本中几乎得不到提升。较小的 TMAX-9B 模型核对自己的候选时，两两比较效果最好，将强验证器蒸馏进 TMAX-9B 还能进一步带来帮助。把动作采样与轨迹采样结合起来，能以低于单独采样完整轨迹的估计 token 成本达到更高成功率。论文为 [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, 测试时计算, 终端智能体

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