有两个点值得注意：
1. 通过实验的方式给出结论，相同的模型在不同的 coding agent(harness) 下表现差别非常之大，这也是为什么基模厂都要自己做 coding agent 的原因之一，为了弥合这个差异，huggingface 用自家的框架来针对不同的 coding agent 做了 lora adapter, 需要针对不同 harness 做 harness scaling 的，直接抄作业就好
2. 实验选的基模是来自 Liquid AI 的 LFM（Liquid AI 主打端侧智能，很值得关注）本身是一个类似 RWKV 的亲 RNN 体系模型，liquid ai 算是一个小型商业化尝试，背后的研究团队另成立了一个实体叫 Radical Numberics ( https://www.radicalnumerics.ai/) ，主页上非常“嚣张”的写着 “Solve Biology”，他们有资格嚣张，因为 EVO2/1 采用的核心架构， StripedHyena/Hyena 就是出自这帮人之手，最近刚发布了 Omnii-1，多模态基因组语言模型
BTW，国内的 RWKV 其实一点都不比 StripedHyena 弱....