15家学术机构联合发布 HarnessEval：开启 Benchmark 的 Harness 时代

MirroS 联合清北、Berkeley、MIT、xbench、英伟达等 15 家机构发布 HarnessEval，将 Harness 概念引入评测系统，推动评测从静态 benchmark 走向可执行工作流。其首个落地场景为交互式世界模型，开源 HarnessEval-w 从观测质量、状态转移正确性和世界持续性三个维度组织评测，输出可追溯的 evidence tree 而非单一分数。