AgentHarness

AgentHarness 是一个面向深度研究场景的开源评估框架，专用于在公开基准（如 BrowseComp、HLE-Text 等）上标准化评测 Apodex-1.0 系列模型。它基于 ReAct 范式构建，支持多语言（含中文）任务评测，提供可复现的推理-验证闭环评估流程，并集成 SGLang 服务部署与结果统计功能。项目采用 Python 实现，强调验证导向的评估设计，适用于大模型研究者对深度推理、信息检索与事实核查能力的系统性测评。