LongHarness：证据管理让长文本准确率从4.4%升至61.1%

上海AI Lab与复旦大学发布 LongHarness 论文，提出将证据与结论显式分离的状态化证据管理方法。论文称，同一 GLM-5.3-Flash 模型在约 1 亿 token 的 OfficeQA Pro V2 语料上，准确率从直接推理的 4.4% 提升到 61.1%，模型本身未改动。 论文报告的对比数据均来自其自身实验：OfficeQA Pro V2 含 1,435 份文档，直接推理准确率仅 4.4%；即使把相关段落全部塞进 256K 窗口，准确率最高也只有 23.2%。以 Qwen3.8-Flash 为骨干时，LongHarness 在 V1 上达到 61.7%，论文称比 Claude Code 高 8.3 个百分点、比 Codex 高 12 个百分点。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。