# LongHarness prueba la gestión de evidencia en agentes de contexto largo

> El marco respalda respuestas de agentes al actualizar conjuntamente pruebas y conclusiones en documentos extensos.

- URL canónica: https://newsverum.com/es/news/longharness-tests-evidence-management-for-long-context-agents
- Publicación: Newsverum
- Sección: Tecnología
- País: China
- Publicado: 2026-10-13T00:51:40+00:00
- Actualizado: 2026-10-13T00:51:40+00:00
- Período del evento / de los datos: 2026-10-09
- Otras ediciones: [Türkçe](https://newsverum.com/tr/news/longharness-tests-evidence-management-for-long-context-agents.md), [English](https://newsverum.com/en/news/longharness-tests-evidence-management-for-long-context-agents.md), [العربية](https://newsverum.com/ar/news/longharness-tests-evidence-management-for-long-context-agents.md), [Français](https://newsverum.com/fr/news/longharness-tests-evidence-management-for-long-context-agents.md), [Deutsch](https://newsverum.com/de/news/longharness-tests-evidence-management-for-long-context-agents.md), [Português](https://newsverum.com/pt/news/longharness-tests-evidence-management-for-long-context-agents.md)

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.

## Datos

### Resultado del estudio

OfficeQA Pro V1; benchmark de unos 100 millones de tokens; coincidencia exacta

Metodología: El valor se limita al experimento de benchmark descrito en el artículo; no es un resultado de campo ni una garantía general.

| Medida | Porcentaje | Alcance |
|---|---|---|
| Tasa de coincidencia exacta de GLM-5.3-Flash en OfficeQA Pro V1 | 60.2 | OfficeQA Pro V1; benchmark de unos 100 millones de tokens; coincidencia exacta |

Fuentes: <https://arxiv.org/html/2610.13075v1> · Descargar datos: [JSON](https://newsverum.com/api/v1/articles/longharness-tests-evidence-management-for-long-context-agents/data/reported-result-1?lang=es&format=json) · [CSV](https://newsverum.com/api/v1/articles/longharness-tests-evidence-management-for-long-context-agents/data/reported-result-1?lang=es&format=csv)

## Fuentes

- [arXiv preprint by researchers affiliated with Fudan University, Shanghai AI Laboratory, Peking University and other Chinese institutions](<https://arxiv.org/html/2610.13075v1>) (Fuente comprobada: 2026-10-13; Publicado: 2026-10-09)

---

Cite la URL canónica indicada arriba. [Principios editoriales y correcciones](https://newsverum.com/es/editorial)