Same Model, Different Harness: Different Coding-Agent Results

实验只改变 harness 的上下文压缩和停滞响应，模型权重、任务与记录保持不变。169 个 SWE-bench Verified 任务使用 480 秒终止点，处理组完整解由 43% 提升到 72%，同时 F2PF 上升到 49%；宽窗口 Qwen3.6 对比则趋于接近，说明上下文压力是关键条件而非普遍增益。