LongHarness uzun bağlamlı ajanlarda kanıt yönetimini sınadı
Çerçeve, uzun belgelerde kanıtları ve sonuçları birlikte güncelleyerek ajan yanıtlarını destekliyor.
Olay / veri dönemi: 2026-10-09
Yayın: · Güncelleme:
Çin’deki Fudan, Shanghai AI Laboratory ve Peking University dâhil kurumlarla bağlantılı araştırmacılar LongHarness’i tanıttı. Sistem, uzun belge koleksiyonlarında kaynak bağlantılı kanıtları yönetiyor; yeni kanıt geldikçe hem kanıt havuzunu hem de geçici sonuçları güncelliyor.
OfficeQA Pro’nun ilk sürümündeki değerlendirmede GLM-5.3-Flash ile tam eşleşme oranı yüzde 60,2 olarak raporlandı. Makale, doğrudan model kullanımına kıyasla belirgin artış bildiriyor; ancak sonuç, oluşturulan benchmark ve kullanılan model/arama düzeniyle sınırlı. Uzun bağlamdaki her gerçek iş akışında aynı performansın elde edileceğini göstermez.
Veriler
Araştırma sonucu
OfficeQA Pro V1; yaklaşık 100 milyon tokenlık benchmark; exact match
| OfficeQA Pro ilk sürümünde GLM-5.3-Flash tam eşleşme oranı | 60.2 | OfficeQA Pro V1; yaklaşık 100 milyon tokenlık benchmark; exact match |
Yöntem
Değer, makalenin belirttiği benchmark deneyiyle sınırlıdır; saha sonucu veya genel performans garantisi değildir.
Güncelleme:
Konular ve yerler
Konu önerileri
- Bilim ve teknolojiÖneri
- Preserved editorial category/topic; broad candidate onlyarxiv.org ↗
Coğrafi referanslar
Yalnızca kaynakta bulunan coğrafi referanslar gösterilir. Harici haritayı açmak isteğe bağlıdır. İsteğe bağlı haber haritaları OpenStreetMap kullanır. Haritayı açtığınızda IP adresiniz ve site adresi harita sağlayıcısına iletilir; harita yüklenmeden konum verileri metin olarak okunabilir.
- Çin · Yer rolü: Kapsam · Yer türü: Ülke veya bölge · Konum kesinliği: BölgeselKanıt
- Explicit preserved editorial country/region; no city or national centroid inferredarxiv.org ↗