AI Agent
Memdoor 把 GVS5H 的「五模型组队」写成 8 个 YAML：五个角色都由同一个 Qwen3.8-27B 担任，LiveCodeBench Hard 前 10 题 5 轮均分 9.8、作者自己的 harness 为 9.6，50 次运行共 35.79 美元
开源工作流 Memdoor 的 team-solve 示例把 GVS5H 方法重写为 8 个 YAML：planner、两个并行 ideator、solver、manager，外加一个 repair worker；五个角色均由同一个 Qwen3.8-27B 承担，每个角色从空上下文起步、只靠磁盘文件通信，判定由跑样例的脚本给出而不是模型。在 LiveCodeBench Hard 前 10 题各跑 5 轮，均分 9.8；作者自己的 harness 在同一批题上是 9.6，Fable 5 单次调用 8.0。50 次完整运行共 35.79 美元，中位单次 0.39 美元、40 分钟。作者自己写明：这个样本量下 9.8 与 9.6 是同一个数字，题目来自 2025 年春、不能排除训练污染，Fable 5 那一列取自原作者的结果文件、没有在本 harness 里重跑，且模型跑在 OpenRouter 而非本地。
对 AI 使用者意味着什么
竞争的落点从「谁的模型强」挪到「谁的 harness 把角色的上下文切得干净」，而这类复现的价值取决于作者是否愿意公开全部请求、回复与评分日志。
来源：Memdoor team-solve README（GitHub） ↗ 原文链接
有具体工作流问题？联系咨询。新闻本身免费阅读。