论文页面 - LongHorizon-Harness：推进面向现实世界任务的长时程智能体

来源：https://huggingface.co/papers/2608.01964

摘要

大语言模型（LLM）智能体越来越多地承担长时程任务，这些任务需要在许多相互依赖的步骤中进行持续推理、工具使用和修正。然而，现有的智能体框架（harness）将任务执行、任务状态和完成情况评估都维护在不断增长的上下文中，这使得状态难以跟踪，并可能导致错误的自我评估传播到后续决策中。我们将长时程执行重新定义为任务状态管理问题，并提出 LongHorizon-Harness。它在执行之外显式维护任务状态，并且仅使用从环境中独立验证的事实来更新该状态。其 Manage-Execute-Audit（MEA）循环使用一个管理者（manager）来维护任务状态并确定下一个子任务，使用一个全新上下文的执行器（executor）来执行该子任务，并使用一个只读审计器（auditor）在下一轮之前验证由此产生的环境状态。一个轻量级的 Agent Adapter 支持可互换的模型和 harness 后端，而无需修改其原生智能体循环。LongHorizon-Harness 在 WeaveBench 上将 Qwen 3.7-Plus 从 51.8% 提升至 80.7%，在 Terminal-Bench 2.1 上从 69.7% 提升至 77.2%，在 OSWorld 2.0 上从 2.8% 提升至 8.3%。它还将 OSWorld 2.0 子集上的 Claude Opus 4.7 从 20.0% 提升至 34.3%，展示了在模型、harness 和交互领域上的一致提升。

查看 arXiv 页面 (https://arxiv.org/abs/2608.01964)
查看 PDF (https://arxiv.org/pdf/2608.01964)
项目页面 (https://lh-harness.pages.dev/)
GitHub51 (https://github.com/AMAP-ML/LongHorizon-Harness)
添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.01964)

在您的智能体中获取这篇论文：

hf papers read 2608\.01964

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用该论文的模型

0

没有模型链接至该论文

在模型 README.md 中引用 arxiv.org/abs/2608.01964，即可从此页面链接到该模型。

引用该论文的数据集

0

没有数据集链接至该论文

在数据集 README.md 中引用 arxiv.org/abs/2608.01964，即可从此页面链接到该数据集。

引用该论文的 Space

0

没有 Space 链接至该论文

在 Space 的 README.md 中引用 arxiv.org/abs/2608.01964，即可从此页面链接到该 Space。

包含该论文的收藏

0

没有收藏包含该论文

将这篇论文添加到收藏（https://huggingface.co/new-collection）中，即可从此页面链接到它。