Horizon(长时程/长程任务)是当前 AI 智能体领域的核心议题,指的是让模型在跨越数十步甚至数天的连续任务中保持目标一致、记忆可靠并自主纠错的能力。随着智能体从单轮问答走向真实业务场景,长程能力被视为衡量其能否落地生产环境的关键分水岭。
Horizon 近期进展
当前焦点与观察点
目前 Horizon 相关工作的主线集中在三处:一是评测基准的真实化,从 BizBench 到学术界的 selective long-horizon refinement 研究,都在强调用贴近实际业务的任务衡量智能体,而非刷分;二是训练方法的迭代,QwenGyre 等工作表明强化学习在长程场景下的稀疏奖励问题仍是技术瓶颈;三是推理期的可靠性工程,VeriHarness 一类的验证机制说明,仅靠模型自身能力不足以保证多步任务的稳定输出,外挂校验正成为标配。
值得关注的是,产业与学术正在快速合流——SambaNova 与高校的合作、Anscale 参与 Encord 的 Long Horizon 大会,都显示长程智能体已从论文议题进入工程落地阶段。但争议同样存在:Jack Clark 在 IMF 演讲中提出