LongHorizon-Harness：推进面向现实世界任务的长时程智能体

大语言模型智能体越来越多地承担需要持续推理、工具使用和多步修正的长时程任务。现有框架将任务执行、状态和完成评估都维护在不断增长的上下文中，导致状态难以追踪且错误评估会传播。LongHorizon-Harness将长时程执行重新定义为任务状态管理问题，将状态显式维护在执行外部，仅根据事实进行更新。

查看原文