Проучването от 149 страници, Towards Long-Horizon Agents: A Survey, публикувано от Изследователския център GAIR на университета Ренмин в сътрудничество с Пекинския университет, Университета Цинхуа, Университета Сун Ятсен, Хонконгския университет за наука и технологии и Националния университет на Сингапур, предоставя първата систематична рамка за разбиране на нововъзникващото поле на агенти с ИИ с дълъг хоризонт. Проучването организира полето около две паралелни линии на развитие: екстернализирано Harness Engineering за подобряване на възможностите за изпълнение и интернализирана оптимизация на модела, която прогресивно записва възможностите за изпълнение обратно в модела чрез обучение.
Проучването идентифицира определящата характеристика като способността да се организират взаимозависими решения в последователни траектории.
Основният принос е тристепенна трудност на задачите и съответната йерархия на способностите. Задачите на ниво прозорец H1, завършени в рамките на един контекстен прозорец, изискват устойчиви цикли план-действие-обратна връзка-правилна връзка, съответстващи на способността C1 Interactive Reasoning. Задачите на H2 Cross-Window, обхващащи часове до дни, изискват компресиране на хронологията, постоянство на напредъка и предаване между сесии извън това, което могат да осигурят сами прозорците с разширен контекст, като Context Rot е идентифициран като фундаментално тясно място, съответстващо на състоянието на C2 и паметта. H3 Cross-Task-Flow задачи, при които задачите пристигат непрекъснато с променящи се среди, инструменти и цели, изискват натрупване на опит в умения за многократна употреба и непрекъснато подобрение, съответстващо на C3 Натрупване на опит, разширяващо се до непрекъснато учене и саморазвитие.
Проучването предоставя количествени доказателства за напредък на способностите, използвайки публични данни на METR. Периодът от време за изпълнение на задачата от 50%, измерващ еквивалента на време на човешки експерт за задачи, които агентът изпълнява с приблизително 50% успеваемост, показва удвояване на всеки 196,5 дни (приблизително 7 месеца) в целия набор от данни, ускорявайки се до приблизително 130,8 дни (4 месеца), когато се фокусираме върху периода след 2023 г. GPT-3 постигна приблизително 9 секунди обхват на задачата, GPT-4 приблизително 4 минути, o3 приблизително 2 часа и Claude Opus 4.6 приблизително 12 часа към 2026 г. Прогресията от минути до часове до десетки часове проявява ескалацията на способностите от H1 до H2 до H3.
Проучването очертава три епохи на разработване на AI агенти: бързо инженерство (2020-2023 г.), разчитащо на верига от мисли и декомпозиция на задачите в рамките на повиквания на един модел; Контекстно инженерство (2023-2025), разширяващо контрола върху това, което моделът може да види чрез RAG, извикване на функция и памет; и възникващата ера на Harness Engineering, където системната архитектура около модела определя границите на възможностите. Авторите твърдят, че ключовото прозрение е, че обхватът на инженерния контрол се разширява прогресивно навън, като възможностите за дълъг хоризонт зависят по-малко от подобренията на интелигентността на модела и повече от усъвършенстването на заобикалящата системна архитектура. Проучването от 149 страници създава унифициран речник и концептуална рамка за област, която се разраства бързо, но й липсва систематична организация, предоставяйки както на изследователите, така и на практиците пътна карта за следващата фаза на развитие на способностите на агентите.