把真实任务、验证协议和评测证据沉淀成可追溯的数据产品。https://lens-frontier.github.io/https://lens-frontier.github.io/zh/blog/refactor-bench-eval/https://lens-frontier.github.io/zh/blog/refactor-bench-eval/以行为保持和结构静态检查为核心，用真实开源代码提交做数据、隔离环境测试、用 tree-sitter 做语法树匹配，避开大模型当裁判带来的主观漂移，精准测量大模型的代码重构能力边界。Tue, 16 Jun 2026 00:00:00 GMThttps://lens-frontier.github.io/zh/blog/agent-harness-search-research/https://lens-frontier.github.io/zh/blog/agent-harness-search-research/梳理 coding agent harness 的代码库检索路线：grep、语义索引、LSP、代码地图、Search Subagent 与工具检索如何走向混合检索。Mon, 15 Jun 2026 00:00:00 GMThttps://lens-frontier.github.io/zh/blog/browsecomp-query-hardening/https://lens-frontier.github.io/zh/blog/browsecomp-query-hardening/搜索智能体训练需要难度适中的题：模型不能秒解，但认真搜索可解。我们设计了 Hardener-Solver-Critic 多智能体闭环，用模型真实求解行为增强题目难度，在 BrowseComp 风格合成题上将 62% 的样本推入了可训练区间。Fri, 12 Jun 2026 00:00:00 GMThttps://lens-frontier.github.io/zh/blog/t2i-multi-module-evaluation/https://lens-frontier.github.io/zh/blog/t2i-multi-module-evaluation/以 LLM-as-a-Judge 为核心，通过 OCR/VQA/CLIP/IQA/HP 五模块协同校准，突破单一指标 benchmark 局限，全面捕捉现代文生图模型的真实能力边界。Thu, 21 May 2026 00:00:00 GMT