LongHarness prueba la gestión de evidencia en agentes de contexto largo

Investigadores afiliados a instituciones chinas, entre ellas Fudan University, Shanghai AI Laboratory y Peking University, presentaron LongHarness. El sistema gestiona pruebas vinculadas a sus fuentes en grandes colecciones de documentos; cuando llegan nuevas pruebas, actualiza tanto el conjunto de evidencias como las conclusiones provisionales.

En la evaluación de la primera versión de OfficeQA Pro, el artículo informa de una tasa de coincidencia exacta del 60,2 % con GLM-5.3-Flash. Los autores describen un aumento notable frente al uso directo del modelo, pero el resultado se limita al benchmark construido y al modelo y sistema de recuperación probados. No demuestra el mismo rendimiento en todos los flujos reales con contexto largo.