LongHarness：面向超长语料的Agent推理框架

Songtao Huang 等发布论文，提出模型无关的智能体框架 LongHarness，用 Evidence-Conclusion Coevolution 机制让未解决的结论引导探索、新证据修正结论，并配合 Evidence Lifecycle Management 保持证据可追溯，目标是在 100M-Token 级超长语料上做智能体推理。 论文称，在 OfficeQA Pro 上，相比同一基座模型的直接推理，LongHarness 将 GLM-5.3-Flash 的精确匹配率从 15.8% 提升到 V1 的 60.2%、从 4.4% 提升到 V2 的 61.1%；相比其他智能体框架，在 V1 上超过 Claude Code 12.0 个百分点、在 V2 上超过 Codex 18.9 个百分点。使用 Qwen3.8-Flash 时，LongHarness 在 V1 达到 61.7%，分别超过 Claude Code 8.3 个百分点、Codex 12.0 个百分点。这些数据均为论文报告结果，尚未见独立复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。