论文提出LongHarness：状态化证据管理实现亿级Token语料推理
原文标题：LongHarness: Advancing Agentic Reasoning over 100M-Token Corpora via Stateful Evidence Management
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
arXiv论文提出LongHarness，一个模型无关的智能体框架，通过证据-结论协同演化与证据生命周期管理，解决无界探索与证据状态漂移问题。在OfficeQA Pro V1/V2等基准上，GLM-5.3-Flash精确匹配从15.8%提升至60.2%，超越Claude Code与Codex。
- 问题
- 语料级长上下文推理中，检索无界扩张且已获证据与结论脱节。
- 方法
- 模型无关框架，用证据-结论协同演化引导检索，并以证据生命周期管理保持证据可追溯。
- 结果
- OfficeQA Pro V1/V2 上 GLM-5.3-Flash 精确匹配从 15.8% 提升至 60.2%，超过 Claude Code 与 Codex。
- 影响
- 为亿级 token 语料问答提供可落地的智能体编排范式，直接可用于企业文档检索与深度研究产品。
深读 · 结论先行AI 生成展开看要点与影响 ↓
LongHarness让GLM-5.3-Flash在OfficeQA Pro上精确匹配从15.8%升至60.2%，反超Claude Code与Codex。
- •核心机制为证据-结论协同演化：用未解结论引导检索，新证据反过来修正结论
- •配套证据生命周期管理，解决无界探索与证据状态漂移两类耦合失效
- •在OfficeQA Pro V1/V2、AA-LCR、LongBench v2上评测，骨干为GLM-5.3-Flash与Qwen3.8-Flash
- •框架模型无关，宣称超越Claude Code与Codex
为什么重要：语料级长上下文推理是当前智能体落地的瓶颈，若该框架可跨模型复用，将直接改变长文档检索类产品的技术选型。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。