transcript
show notes
LongHorizon-Harness 是一款由阿里巴巴团队开发的创新框架，旨在提升大语言模型智能体处理长程任务的可靠性。该系统通过核心的“管理-执行-审计”（MEA）循环，将复杂的长任务分解为独立且经过验证的状态转换过程。管理器负责规划子任务，执行器在清新上下文中操作环境，而审计器则通过只读手段独立核实环境状态的真实改变。实验证明，该框架在 WeaveBench、OSWorld 2.0 和 Terminal-Bench 2.1 等多个基准测试中显著提高了任务成功率。这种方法有效解决了长程任务中常见的误差累积、上下文腐化和任务状态丢失等技术难题。它不仅显著增强了 Qwen 和 Claude 等模型的表现，还证明了智能体的能力上限可以通过优化其运行架构而得到大幅提升。
