arXiv cs.AI· Songtao Huang, Zhijie Zhong, Xiaohan He, Shuaiyu Zhang, Zhiyin Yu, Li Kang, Heng Zhou, Yutao Fan, Xiangchao Yan, Bo Zhang, Shiyang Feng·· 6 天前AI 评分51
LongHarness：通过有状态证据管理在 1 亿 Token 语料上推进智能体推理
LongHarness: Advancing Agentic Reasoning over 100M-Token Corpora via Stateful Evidence Management
AI 导读
LongHarness 是一个模型无关的 Agent 框架，通过证据与结论协同演化以及证据生命周期管理，让检索聚焦于尚未解决的信息需求，避免无界探索和证据状态漂移。
正文 · AI 翻译
作者：Songtao Huang、Zhijie Zhong、Xiaohan He、Shuaiyu Zhang、Zhiyin Yu、Li Kang、Heng Zhou、Yutao Fan、Xiangchao Yan、Bo Zhang、Shiyang Feng
摘要：语料库级长上下文推理要求智能体在超出其上下文窗口的文档集合中获取并整合证据。现有的智能体框架能够对这些语料库进行增量访问，但获取的证据和不断演变的结论往往纠缠在不断增长的交互历史中。这种隐式状态管理可能导致两种相互关联的失败模式：无界探索，即检索扩展了交互历史却未能解决与决策相关的信息缺口；以及证据-状态漂移，即先前获取的证据或后续更正未能影响当前结论。我们提出 LongHarness，一种与模型无关的框架，使获取的证据与不断演变的结论之间的交互变得显式。其核心机制——证据-结论协同演化——利用未解决的结论引导探索指向缺失的信息，同时新获取的证据强化或修正指导搜索的结论。LongHarness 将该过程与证据生命周期管理相结合，使累积的证据在整个交互过程中保持最新且可追溯。这些机制共同将检索聚焦于剩余的信息需求，并使结论与当前证据保持一致。我们使用 GLM-5.3-Flash 和 Qwen3.8-Flash 在 OfficeQA Pro V1 和 V2、AA-LCR 以及 LongBench v2 上评估 LongHarness。与使用相同骨干模型的直接推理相比，LongHarness 将 GLM-5.3-Flash 在 OfficeQA Pro 上的精确匹配率从 V1 的 15.8% 提升至 60.2%，从 V2 的 4.4% 提升至 61.1%。与最先进的智能体框架相比，它在 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 上达到 61.7%，超过 Claude Code 8.3 个百分点，超过 Codex 12.0 个百分点。
| 学科： | 人工智能（cs.AI） |
| 引用格式： | arXiv:2610.13075 [cs.AI] |
| （或 arXiv:2610.13075v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.13075 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Songtao Huang [查看电子邮件]
[v1]
2026年10月9日星期五 06:32:02 UTC（404 KB）
来源：arXiv cs.AI · arxiv.org