Харнесс (harness): проверочная обвязка вокруг модели

Коротко: Харнесс это обвязка, в которую помещают модель, чтобы проверить или применить её в деле: набор тестов, инструментов, правил подсчёта и сценариев, гарантирующий, что сравнение честное, а использование воспроизводимое. Бенчмарк без харнеса это цифры из воздуха: разные промпты, выборки и подсчёты дают несравнимые результаты. То же слово используют для арматуры агента: харнесc задаёт, какие инструменты модель может вызывать, как считаются шаги и когда запуск признаётся успешным.