DeepSeek Harness的过拟合问题测试

前面已经测试过了deepseek-v4-pro模型Max思考在dsh和oc中的表现，近期部分佬友在讨论dsh和过拟合问题。遂进行部分测试，并列出思维链的统计信息。测试均使用Deepseek-v4-pro模型Max思考。

测试项目有五个：

• 
  

  Macos平台dsh：标准模式、提示词修复模式

  
  


• 
  

  Linux平台dsh：极简模式、极简模式(英文提示词)

  
  


• 
  

  Opencode Pure模式

  
  

对照组有一个：

• kimi-k3(使用Kimi客户端测试)

先贴测试汇总信息

不同测试项的思考块关键词统计

不同测试项的运行指标

对照组结果：

1. Kimi-k3

使用Kimi客户端Work模式，开启极致思考，开启1M上下文

预览链接

测试结果：

1. DSH-Mac平台-标准模式

预览链接

初始思维：

2. DSH-Mac平台-提示词修复模式

使用流传的插件来使标准模式尽可能的符合极简模式的System Prompt，触发不同的思维链。

GitHub - xiaobright/dsh-anchored-standard: Two-phase DeepSeek Harness preset: Minimal-aligned bootstrap, then full Standard tools (Project2 98/99) · GitHub

预览链接

初始思维：

3. DSH-Linux平台-极简模式

Linux平台+极简模式有概率触发特殊思维链。

预览链接

初始思维：

4. DSH-Linux平台-极简模式(英文提示词)

Linux平台+极简模式+英文提示词有概率触发特殊思维链。

预览链接

初始思维：

5. OpenCode-Mac平台

Mac平台+Pure模式+中文提示词

预览链接

初始思维：