速報
Harness Engineering：以小型GPT‑4o‑mini打造高可靠性學術指導系統
本研究以學術指導為場域，採用 harness engineering 為小型 GPT‑4o‑mini 加上符號檢索、結構化輸出與 LLM‑as‑judge 等模組，形成可追蹤的 ASuS 系統。實驗顯示，ASuS 在六項可靠性指標上全面超過未加框架的 GPT‑5 基線，平均得分 4.08 對 1.23，顯示結構化框架提升了系統的可解釋性與一致性。
速報
本研究以學術指導為場域，採用 harness engineering 為小型 GPT‑4o‑mini 加上符號檢索、結構化輸出與 LLM‑as‑judge 等模組，形成可追蹤的 ASuS 系統。實驗顯示，ASuS 在六項可靠性指標上全面超過未加框架的 GPT‑5 基線，平均得分 4.08 對 1.23，顯示結構化框架提升了系統的可解釋性與一致性。
深度分析
隨著 NP‑hard 優化問題需依不同求解器重新表述，研究團隊打造一套 harness 工程平台，讓 AI 代理人自動產生並驗證化簡程式，三個月內建成 100 多種問題類型與 200 多條化簡規則，並支援即時串接新求解器。此技術顯著縮短開發週期，提升化簡正確率，預示 AI 工具鏈未來將更趨自動化與模組化。