# LongHarness uzun bağlamlı ajanlarda kanıt yönetimini sınadı

> Çerçeve, uzun belgelerde kanıtları ve sonuçları birlikte güncelleyerek ajan yanıtlarını destekliyor.

- Kalıcı adres: https://newsverum.com/tr/news/longharness-tests-evidence-management-for-long-context-agents
- Yayıncı: Newsverum
- Bölüm: Teknoloji
- Ülke: Çin
- Yayın: 2026-10-13T00:51:40+00:00
- Güncelleme: 2026-10-13T00:51:40+00:00
- Olay / veri dönemi: 2026-10-09
- Diğer sürümler: [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), [Español](https://newsverum.com/es/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)

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

Yöntem: Değer, makalenin belirttiği benchmark deneyiyle sınırlıdır; saha sonucu veya genel performans garantisi değildir.

| Ölçüt | Yüzde | Kapsam |
|---|---|---|
| OfficeQA Pro ilk sürümünde GLM-5.3-Flash tam eşleşme oranı | 60.2 | OfficeQA Pro V1; yaklaşık 100 milyon tokenlık benchmark; exact match |

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

## Kaynaklar

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

---

Alıntı için yukarıdaki kalıcı adresi kullanın. [Yayın ilkeleri ve düzeltmeler](https://newsverum.com/tr/editorial)