OneDayAgent testet autonome Agenten-Workflows über lange Zeiträume
Das Harness steuert Aufgabenzerlegung, Gedächtnis und Verifikation über 104 Benchmark-Aufgaben hinweg.
Warum es wichtig ist
Die Arbeit adressiert hartnäckige Fehlermuster in agentischen Systemen, darunter Zielabweichung, Zustandsverlust und Kontextüberlauf. Die berichtete Leistung über fünf Backend-LLMs aus drei Modellfamilien hinweg deutet darauf hin, dass Harness-Design die Zuverlässigkeit über lange Zeithorizonte unabhängig von einem einzelnen Modell verbessern kann.
Die Kernpunkte
- 1.OneDayAgent steuert Zerlegung, Gedächtnis und finale Verifikation.
- 2.Mit GLM-5.2 erzielte es 0,821 auf 104 AgentIF-OneDay-Aufgaben.
- 3.Das Harness lief mit fünf LLM-Backends aus drei Modellfamilien.
Forscher haben OneDayAgent vorgestellt, ein Harness für autonome Agenten, die offene Alltagsanfragen aus Arbeit, Studium und Privatleben bearbeiten. Das System zerlegt Anfragen in begrenzte Teilaufgaben, bewahrt Ausführungsgedächtnis unter Kontextdruck und überprüft sowie repariert finale Ergebnisse. Auf AgentIF-OneDay wurde es über 104 Aufgaben evaluiert und erreichte mit dem GLM-5.2-Backend eine Gesamtbewertung von 0,821.
⚡ Heute ausprobieren
Lesen Sie das Paper, bevor Sie Long-Horizon-Agenten entwerfen, die Ziele, Gedächtnis und Ergebnisqualität über viele Schritte hinweg bewahren müssen.
Quellen & Originalberichte
Dieser Brief fasst die Berichterstattung der folgenden Medien zusammen und verlinkt sie.
- arXiv cs.AIA Survey of Agent Memory in the Second Half: Towards Self-Evolving and Long-Horizon AgentsAug 6, 12:00 PM↗
- arXiv cs.AIContextual Agentic Memory is a Memo, Not True MemoryAug 6, 12:00 PM↗
- arXiv cs.AIOneDayAgent: Towards a Long-Horizon Harness for Autonomous AgentsAug 6, 12:00 PM↗
- arXiv cs.LGOneDayAgent: Towards a Long-Horizon Harness for Autonomous AgentsAug 6, 12:00 PM↗
- arXiv cs.LGEvolveNet: Collaborative Harness Evolution for Agent Self-ImprovementAug 6, 12:00 PM↗
- arXiv cs.AIBeyond Retrieval: Analytic Memory for Multimodal AgentsAug 5, 12:00 PM↗
- arXiv cs.AIWeClawArena: An Auditable Sandbox and Benchmark for Cross-User Agents Collaboration and Security in Human-Centered Agent NetworksAug 5, 12:00 PM↗
- arXiv cs.AIVerifiable Memory: Learning Unified Memory Management with Local and Global Verifiers for Large Language Model AgentsAug 5, 12:00 PM↗
- arXiv cs.CLMetis: Memory Foundation ModelAug 5, 12:00 PM↗
- arXiv cs.LGMetis: Memory Foundation ModelAug 5, 12:00 PM↗
- arXiv cs.AIWhen Memory Becomes Authority: Benchmarking Authority Collapse at the Memory Consolidation BoundaryAug 4, 12:00 PM↗
- arXiv cs.AIStop When Memory Suffices: Evidence-Conditioned Progressive Execution for LLM AgentsAug 4, 12:00 PM↗
- arXiv cs.AIAgentMemBench: A Systematic Benchmark for Evaluating Long-Term Memory Management Strategies in Conversational AI AgentsAug 4, 12:00 PM↗
- arXiv cs.AIMemoryForge: Synthesize Lifelong Memory for Human-Like LLM AgentsAug 4, 12:00 PM↗
- arXiv cs.AIHarness-R1: Learning to Edit Executable Runtime Harnesses from Agent Failure TrajectoriesAug 4, 12:00 PM↗
- arXiv cs.AIMemArbiter: Decision-Time Memory Arbitration for Long-Horizon LLM AgentsAug 4, 12:00 PM↗
- arXiv cs.AIWhen Memory Becomes Authority: Benchmarking Authority Collapse at the Memory Consolidation BoundaryAug 4, 12:00 PM↗
- arXiv cs.AIV-Mem: Modality-Routed Retrieval for Long-Term Multimodal Agentic MemoryAug 4, 12:00 PM↗
- arXiv cs.AITrajWiki: Source-Grounded Memory Trajectories for Long-Horizon Dialogue AgentsAug 4, 12:00 PM↗
- arXiv cs.AIPMMC: Prospective Multimodal Memory Compilation for Long-Term LVLM AgentsAug 4, 12:00 PM↗
- arXiv cs.AIPersonalizing Large Language Model Agents with Small Policy ModelsAug 4, 12:00 PM↗
- arXiv cs.LGMemoryForge: Synthesize Lifelong Memory for Human-Like LLM AgentsAug 4, 12:00 PM↗
- arXiv cs.LGHarnessCompass: Guiding Automatic Harness Evolution toward Generalizable and Effective Agent HarnessesAug 4, 12:00 PM↗
- arXiv cs.LGStop When Memory Suffices: Evidence-Conditioned Progressive Execution for LLM AgentsAug 4, 12:00 PM↗
- arXiv cs.CLHarnessCompass: Guiding Automatic Harness Evolution toward Generalizable and Effective Agent HarnessesAug 4, 12:00 PM↗
- arXiv cs.CLV-Mem: Modality-Routed Retrieval for Long-Term Multimodal Agentic MemoryAug 4, 12:00 PM↗
- arXiv cs.CLAgentMemBench: A Systematic Benchmark for Evaluating Long-Term Memory Management Strategies in Conversational AI AgentsAug 4, 12:00 PM↗
- arXiv cs.CLMemoryForge: Synthesize Lifelong Memory for Human-Like LLM AgentsAug 4, 12:00 PM↗
- HF Daily PapersOneDayAgent: Towards a Long-Horizon Harness for Autonomous AgentsAug 4, 4:00 AM↗
Hat dir dieses Briefing gefallen? Erhalte das nächste per Mail.
Mehr in Forschung
Forscher veröffentlichen LittleLearner für kontrollierte LLM-Studien
Das Modell mit 5 Milliarden Parametern wird auf einem Curriculum-Korpus mit 88 Milliarden Tokens trainiert, der Stoff bis einschließlich fünfter Klasse umfasst.
HN diskutiert über KI-Grenzen, Datenschutz und wissenschaftliche Behauptungen
Beiträge zu Wirkstoffforschung, Mathematik, Datenschutz und KI-Laboren sorgten auf Hacker News für rege Diskussionen.
Forscher nehmen Lücken im räumlichen Schlussfolgern von VLMs ins Visier
Neue Arbeiten schlagen Speicher, RL und Benchmarks für räumliche Intelligenz in Vision-Language-Systemen vor.