Harness под каждую модель
Harness — обвязка вокруг модели. В Terminal-Bench одна и та же модель в разных агентах расходится в результатах до ~30 пунктов. Cusp даёт каждой модели подобранный для неё формат правок, передаёт рассуждения между ходами и, прежде чем остановиться, проверяет диагностику в изменённых файлах.
Editstr_replace — собственный формат провайдераApplyPatchпатчи V4A — собственный формат провайдераEditstr_replace с абсолютными путямиEditLinesстроки с хеш-якорями, выбраны нашим бенчмарком правокРассужденияпередаются провайдеру на каждом ходу







