OneDayAgent: 自律エージェントのための長期的ハーネスに向けて

要旨

LLMエージェントは、仕事、学習、生活にまたがるオープンエンドな日常の依頼にますます応用されている。これらのタスクは長期的で、複数環境にまたがり、マルチモーダルであるため、エージェントは多様なツールや添付ファイルを操作しながら、多数のステップにわたって目標と制約を保持することを強いられる。先行研究では、目標の逸脱、状態の喪失、コンテキストオーバーフローといった個別の障害モードが扱われてきたが、単一のハーネスがこれらを統合的に管理し、バックエンド間で有効性を維持できるかどうかについては研究が十分でない。本稿では、自律エージェントのための長期的タスク向けハーネスであるOneDayAgentを提案する。OneDayAgentは、オープンエンドな依頼を管理された実行プロセスへと変換し、タスクを範囲が定められたサブタスクに分解し、コンテキストの逼迫下で実行メモリを維持し、最終成果物を検証・修正する。我々はOneDayAgentを、104タスクからなるAgentIF-OneDay上で評価した。GLM-5.2バックエンドを用いた場合、OneDayAgentは総合スコア0.821を達成し、新たな最先端を記録した。同じハーネスは、3つのモデルファミリーに属する5つのバックエンドLLMで動作しており、異なるモデルが同じワークフローの下で異なる実行スタイルを生み出す場合でも、ハーネスがチューニングなしでバックエンド間を汎化することを示している。

English

LLM agents are increasingly applied to open-ended everyday requests that span work, study, and life. These tasks are long-horizon, cross-environment, and multimodal, forcing the agent to preserve goals and constraints across many steps while navigating heterogeneous tools and attachments. While prior work has addressed individual failure modes such as goals drift, states loss, and context overflow, whether a single harness can manage them jointly and remain effective across backends has received less study. We present OneDayAgent, a long-horizon harness for autonomous agents. OneDayAgent turns an open-ended request into a managed execution process that decomposes tasks into bounded subtasks, maintains execution memory under context pressure, and verifies and repairs the final deliverable. We evaluate OneDayAgent on AgentIF-OneDay across 104 tasks. With the GLM-5.2 backend, OneDayAgent sets a new state of the art with an overall score of 0.821. The same harness runs across five backend LLMs from three model families, indicating the harness generalizes across backends without tuning, even as different models induce distinct execution styles under the same workflow.