論文の概要: LongHarness: Advancing Agentic Reasoning over 100M-Token Corpora via Stateful Evidence Management

• arxiv url: http://arxiv.org/abs/2610.13075v1
• Date: Fri, 09 Oct 2026 06:32:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.428424
• Title: LongHarness: Advancing Agentic Reasoning over 100M-Token Corpora via Stateful Evidence Management
• Title（参考訳）: LongHarness: ステートフル・エビデンス・マネジメントを通じて1億を超えるコーパスのエージェント推論を促進する
• Abstract要約: LongHarnessは、獲得した証拠と進化する結論の間の相互作用を明示するモデルに依存しないハーネスである。 GLM-5.3-FlashとQwen3.8-Flashを用いてOfficeQA Pro V1,V2,AA-LCR,LongBench v2におけるLongHarnessを評価する。
• 参考スコア（独自算出の注目度）: 11.079312804997132
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Corpus-level long-context reasoning requires agents to acquire and integrate evidence across document collections that exceed their context windows. Existing agent harnesses enable incremental access to these corpora, but acquired evidence and evolving conclusions often remain entangled in a growing interaction history. This implicit state management can lead to two coupled failure modes: unbounded exploration, where retrieval expands the interaction history without resolving decision-relevant information gaps, and evidence-state drift, where previously acquired evidence or subsequent corrections fail to inform the current conclusion. We present LongHarness, a model-agnostic harness that makes the interaction between acquired evidence and evolving conclusions explicit. Its core mechanism, Evidence-Conclusion Coevolution, uses unresolved conclusions to guide exploration toward missing information, while newly acquired evidence strengthens or revises the conclusions that directed the search. LongHarness couples this process with Evidence Lifecycle Management, which keeps accumulated evidence current and traceable throughout the interaction. Together, these mechanisms focus retrieval on remaining information needs and keep conclusions aligned with current evidence. We evaluate LongHarness on OfficeQA Pro V1 and V2, AA-LCR, and LongBench v2 using GLM-5.3-Flash and Qwen3.8-Flash. Compared with direct reasoning using the same backbone, LongHarness improves GLM-5.3-Flash exact match on OfficeQA Pro from 15.8% to 60.2% on V1 and from 4.4% to 61.1% on V2. Against state-of-the-art agent harnesses, it surpasses Claude Code by 12.0 percentage points on V1 and Codex by 18.9 points on V2. With Qwen3.8-Flash, LongHarness reaches 61.7% on V1, outperforming Claude Code by 8.3 points and Codex by 12.0 points.
• Abstract（参考訳）: コーパスレベルのロングコンテキスト推論では、エージェントは、コンテキストウィンドウを超えるドキュメントコレクションのエビデンスを取得し、統合する必要がある。 既存のエージェントハーネスはこれらのコーパスへの漸進的なアクセスを可能にするが、証拠を取得し、進化する結論はしばしば相互作用の歴史の中で絡み合っている。 この暗黙的な状態管理は、非有界探索(英語版)、決定関連情報ギャップを解決せずに相互作用履歴を拡大する探索)と、以前に取得した証拠やその後の修正が現在の結論に届かなかったエビデンス状態ドリフト(英語版)という2つの結合した障害モードにつながる可能性がある。 得られた証拠と進化する結論の間の相互作用を明示するモデルに依存しないハーネスであるLongHarnessを提示する。 その中核的なメカニズムであるEvidence-Conclusion Coevolution(エビデンス・コンクルージョン・コエボリューション・コエボリューション)は、未解決の結論を使って、行方不明情報への探索を導く一方で、新たに取得した証拠は、探索を指示する結論を強化または修正する。 LongHarness氏はこのプロセスをEvidence Lifecycle Managementと組み合わせている。 これらのメカニズムは、残りの情報のニーズに焦点を合わせ、現在の証拠と整合した結論を維持する。 GLM-5.3-FlashとQwen3.8-Flashを用いてOfficeQA Pro V1,V2,AA-LCR,LongBench v2におけるLongHarnessを評価する。 同じバックボーンを使用した直接推論と比較して、LongHarnessはOfficeQA ProでのGLM-5.3-Flashの正確なマッチをV1では15.8%から60.2%、V2では4.4%から61.1%に改善した。 最先端のエージェントハーネスに対して、Claude Codeを12.0パーセント、Codexを18.9ポイント、V2を12.0パーセント上回る。 Qwen3.8-Flashでは、LongHarnessはV1で61.7%に達し、Claude Codeを8.3ポイント、Codexを12.0ポイント上回っている。

関連論文リスト

• Right Answers, Wrong States: Hidden Information Failures in Multi-Agent Collaboration [69.14904049421806]
  共同作業は、即時決定が正しい場合でも、腐敗した情報状態に置き去りにすることができる。 GPT、Gemini、Qwenモデル全体では、標準的なコラボレーションは、状態の信頼性よりもはるかに強力なタスクパフォーマンスを示している。 我々は、矛盾する証拠を解決し、共有された事実を検証し、信頼された国家を再構築するReGroundを紹介します。
  論文  参考訳（メタデータ） (2026-10-01T07:42:27Z)
• VeriHarness: Scaling Agentic Verification for Long-Horizon Tasks [56.74345405508208]
  LLMエージェントはますます複雑で長期のタスクをこなし、そのアウトプットを検証することがますます困難になっている。 本研究では, 基準応答へのアクセスや試験時の潤滑油の分解を行わずに, 固定ベースモデルで検証能力を強化する方法について検討する。 コンセンサスによってエラーを隠蔽できる一方で、不一致はしばしば正しい代替手段を公開することに気付きました。 これらの観察はVeriHarnessを動機付け、ジェネレータが使用する基礎となるLLMを、ワークスペース、エビデンスツール、再利用可能な検証スキルを与えることによって、エージェント検証器に変える。
  論文  参考訳（メタデータ） (2026-10-01T03:02:17Z)
• EvoDuet: Bilevel Co-Evolution of Web Searching and Task Solving for Scientific Discovery [60.48731123616876]
  EvoDuetは、ソリューションと検索クエリを固定モデルパラメータで共進化させる、双方向最適化手法である。 内部ループはクエリを洗練し、予測されるソリューションスコアによってドキュメントをランク付けする。 外部ループはこれらの文書から並列に候補を生成し、後の検索の結果を記録する。
  論文  参考訳（メタデータ） (2026-09-30T17:58:28Z)
• BELIEFRAG: Making Adaptive RAG State-Aware under Evolving Evidence [0.0]
  Adaptive RAGは、信頼性、妥当性、サポート、検索品質などの信号を使用して、証拠の検索や修正のタイミングを決定する。 BELIEFRAGはクローズドループコントローラで、充足性、信頼性、コンフリクト、不確実性、エビデンスギャップ、取得コストを明示的に更新する。
  論文  参考訳（メタデータ） (2026-09-30T07:08:27Z)
• Mr.LHDR: A Benchmark for Multimodal Real-World Long-Horizon Deep Research Agents [72.19038675107662]
  ミスターL(Mr. L)は、検証可能な証拠の長い、既約の連鎖について、現実世界の深い研究を評価するためのベンチマークである。 各質問は隠されたノード関係グラフから構築され、平均12.1の中間結論を必要とする。
  論文  参考訳（メタデータ） (2026-09-10T09:47:44Z)
• From Intent to Evidence: Policy-Steered Multi-Strategy Retrieval for Long-Video Agents [28.84798025130296]
  VESTAは、ルート条件付き取得・検証・統合ループとして組織された、トレーニング不要の長ビデオエージェントである。 時間的エビデンス台帳は、観測結果を適応的で圧縮された時間的位置、証明、カバレッジ、コンフリクト、検証結果、仮説支持の視点に集約する。
  論文  参考訳（メタデータ） (2026-08-31T15:55:48Z)
• DynaKRAG: A Unified Framework for Learnable Evidence Control in Multi-Hop Retrieval-Augmented Generation [12.710406983346013]
  DynaKRAGは、原子のエビデンス操作に対する状態条件制御として、マルチホップエビデンス獲得を定式化している。 Qwen2.5-7B-Instructでは、DynaKRAGはHotpotQAで0.5998、2Wikiで0.5340、MuSiQueで0.3061のスコアを達成している。
  論文  参考訳（メタデータ） (2026-07-07T17:09:36Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。