LongHorizon-Harness：AIエージェントの長大タスクでの「脱線」を防ぐ新フレームワーク
LongHorizon-Harnessが公開された。タスク管理、実行、独立監査の3役に分離し、実行役は単一タスクごとに文脈を破棄し、実環境を検証した監査役のみが進捗を記録する仕組み。WeaveBenchではQwen 3.7-Plusの通過率が51.8%から80.7%へ大幅に改善した。
LongHorizon-Harnessが公開された。タスク管理、実行、独立監査の3役に分離し、実行役は単一タスクごとに文脈を破棄し、実環境を検証した監査役のみが進捗を記録する仕組み。WeaveBenchではQwen 3.7-Plusの通過率が51.8%から80.7%へ大幅に改善した。