OneDayAgent testa fluxos de trabalho autônomos de longo horizonte para agentes
O harness gerencia decomposição de tarefas, memória e verificação em 104 tarefas de benchmark.
Por que importa
O trabalho mira modos de falha persistentes em sistemas agentic, incluindo desvio de objetivo, perda de estado e estouro de contexto. O desempenho relatado em cinco LLMs de backend de três famílias de modelos sugere que o design do harness pode melhorar a confiabilidade de longo horizonte independentemente de um único modelo.
Pontos-chave
- 1.O OneDayAgent gerencia decomposição, memória e verificação final.
- 2.Ele marcou 0,821 em 104 tarefas do AgentIF-OneDay com GLM-5.2.
- 3.O harness rodou em cinco backends de LLM de três famílias de modelos.
Pesquisadores apresentaram o OneDayAgent, um harness para agentes autônomos que lidam com solicitações cotidianas em aberto nas áreas de trabalho, estudo e vida pessoal. O sistema divide os pedidos em subtarefas delimitadas, mantém memória de execução sob pressão de contexto e verifica e corrige os entregáveis finais. No AgentIF-OneDay, ele foi avaliado em 104 tarefas e alcançou uma pontuação geral de 0,821 usando o backend GLM-5.2.
⚡ Experimente hoje
Leia o paper antes de projetar agentes de longo horizonte que precisam preservar objetivos, memória e qualidade dos entregáveis ao longo de muitas etapas.
Fontes e reportagens originais
Este resumo sintetiza e linka a cobertura dos veículos abaixo.
- 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↗
Gostou deste resumo? Receba o próximo no seu e-mail.
Mais em Pesquisa
Pesquisadores miram lacunas de raciocínio espacial em VLMs
Novos artigos propõem memória, RL e benchmarks para inteligência espacial em sistemas de visão-linguagem.
Google lança Gemini 3.7 Flash para programação e agentes
O novo modelo Flash está disponível na Gemini API, no Google AI Studio, no Android Studio e em ferramentas empresariais.
Novos estudos investigam inteligência espacial em IA de visão
SpaRRTa, SMA e PinpointQA testam ou aprimoram o raciocínio espacial em sistemas de IA visual e incorporada.