LongHorizon-Harness：革新長軌道代理驅動真實場景任務的執行框架
為何重要
這項研究直擊 LLM Agent 商業化落地的最大痛點——如何可靠地追蹤多步驟任務狀態並修正錯誤。對開發者而言，MEA 架構提供了構建穩健 Agent 的參考藍圖；對產業而言，OSWorld~2.0 等基準測試的顯著改善，代表 Agent 從概念驗證進一步邁向具備高可用性的企業級自動化工具有潛力。
為瞭解決現有 LLM Agent 在長時間任務中狀態追蹤困難及自我評估失準的問題，研究團隊提出 LongHorizon-Harness，將執行視為任務狀態管理問題，並透過獨立稽核機制確保完成度。
- 架構核心為 Manage-Execute-Audit (MEA) 迴圈，區分了決策階段的 Manager、執行階段的 Fresh-context Executor 以及稽核環境狀態的 Read-only Auditor。
- 設計了輕量級 AgentAdapter，允許在不修改原生 Agent 迴圈的狀況下，依賴互換的模型與 harness 後端。
- 在複雜場景 benchmark OSWorld~2.0 上，Qwen~3.7-Plus 表現從 2.8% 大幅跳升至 8.3%，Claude Opus~4.7 則從 20.0% 提升至 34.3%。