เครื่องมือนักพัฒนา
Alibaba ปล่อย harness ที่ทำให้ Qwen 3.7-Plus ทำงานยาวได้ดีกว่า Claude Opus 4.7 — เคล็ดลับคือเอา 'สถานะงาน' ออกจากบริบทการรัน แล้วตั้ง auditor อีกตัวมาตรวจของจริงก่อนเชื่อ
ทีม DreamX ของ Alibaba เผยแพร่ LongHorizon-Harness (arXiv 3 ส.ค.) พร้อมโค้ด MIT บน GitHub วันนี้ — แยก task state ออกนอก context, ให้ executor รันด้วย context ใหม่ทุกรอบ และให้ auditor แบบ read-only ตรวจสภาพแวดล้อมจริงก่อนบันทึกว่า 'เสร็จ' ผลคือ WeaveBench 51.8% → 80.7% และ Qwen 3.7-Plus แซง Opus 4.7 ที่ใช้ Claude Code เปล่า
· อ่าน 7 นาที