先了解这件事
AI 综述
GitHub 项目 GVS5H 提出免训练的 ledger-based zero-shot self-orchestration 方法,让同一模型的多个新实例通过共享文件系统(存放计划、笔记和当前解)拆解问题并协作。在 100 道最新 LiveCodeBench Hard 题上,该方法在固定后端最高带来 25.6 个百分点的提升:编排后的 Qwen3.8 Flash Next 达到 93.0% pass@1,高于 Fable 5 的 90.4%,成本为其 9%;本地部署的开源 Qwen3.8-27B 从 66.8% 升至 92.4%。作者也指出提升并非普遍,部分模型持平或更差,转录分析将增益归因于任务拆解与持久上下文。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Hacker News 热门
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月25日
Hacker News 热门
GVS5H：五个 Qwen3.8-27B 实例在 LiveCodeBench Hard 上追平 Claude…
GitHub 项目 GVS5H 提出免训练的 ledger-based zero-shot self-orchestration 方法，让同一模型的多个新实例通过共享文件系统（存放计划、笔记和当前解）拆解问题并协作。在 100 道最新 LiveCodeBench Hard 题上，该方法在固定后端最高带来 25.6 个百分点的提升：编排后的 Qwen3.8 Flash Next 达到 93.0% pass@1，高于 Fable 5 的 90.4%，成本为其 9%；本地部署的开源 Qwen3.8-27B 从 66.8% 升至 92.4%。作者也指出提升并非普遍，部分模型持平或更差，转录分析将增益归因于任务拆解与持久上下文。