Одна модель даёт 30 или 95% на тесте в зависимости от кода вокруг — замер Y Combinator

Y Combinator собрала исследователей и основателей на разговор о харнесах — коде вокруг модели, который формулирует задачу, даёт инструменты и разбирает ответ. Повод: харнес принято считать не исследованием, а обвязкой из промптов.

Аргумент YC — цифра по тесту ARC-AGI: одни и те же веса модели дают 30% при слабом харнесе и 95% при хорошем. Маркус Вульфмайер из DeepMind добавил пример из робототехники: в системе EXIMO харнесом для Gemini служит сама Gemini, и такая обвязка нужна прежде всего для быстрого перебора вариантов.

Y Combinator@ycombinator

Harnesses often get dismissed as just scaffolding, just prompt engineering, and not real research. But that couldn't be farther from the truth. The same model weights that score 30% on ARC-AGI score 95% with a better harness. So we gathered a group of researchers and founders https://t.co/Z3LNC2ngPp

2 6397 сентября 2026