人大高瓴149页综述系统梳理长程智能体
长程智能体能力源于外部脚手架工程与内部模型优化的协同演进，而非单纯扩大模型规模。
大模型已从聊天机器人演变为决策核心，但长程任务中智能体容易因单步错误积累而失控。该综述提出外部脚手架工程与内部模型优化协同演进的视角，定义了H1-H3任务层级和C1-C3能力层级，并指出长程能力是系统级属性，而非单纯模型指标。
正文摘录
.jpg)  过去几年，大模型已经从单轮聊天机器人，快速演变为软件工程、深度检索、计算机操作、多模态交互与科学发现中的决策核心。新的问题随之出现： 一个智能体即使单步表现足够聪明，能否在数百、数千次相互依赖的行动中始终记得目标、修正错误、管理上下文，并可靠安全地把任 务 做完？ 这正是 长程智能体（Long-Horizon Agents） 研究要回答的问题。在智能体能力快速演进的今天，长程能力正日益成为其进入真实生产环境的核心瓶颈。依据 METR 的测量：在约 50% 成功率下，前沿智能体完成软件工程类任务的 “人类专家等效时长” 已从早期模型的秒级提升到十余小时。如图 1 所示， 该时间跨度大约每 7 个月翻一倍；从 2023 年后，翻倍周期进一步缩短至约 4 个月 ，这说明智能体的长程能力仍处在高速扩展阶段。