OneDayAgent: 자율 에이전트를 위한 장기 지평 하네스를 향하여

초록

LLM 에이전트는 업무, 학습, 일상생활에 걸친 개방형 요청에 점점 더 널리 적용되고 있다. 이러한 작업은 장기적(long-horizon)이며 교차 환경적이고 멀티모달 특성을 가지므로, 에이전트는 다양한 도구와 첨부 파일을 탐색하면서 여러 단계에 걸쳐 목표와 제약 조건을 유지해야 한다. 선행 연구는 목표 표류, 상태 손실, 컨텍스트 오버플로와 같은 개별 실패 모드를 다루었지만, 단일 하네스가 이러한 문제들을 동시에 관리하고 백엔드 전반에서 효과성을 유지할 수 있는지에 대해서는 연구가 상대적으로 부족했다. 본 논문에서는 자율 에이전트를 위한 장기적 실행 하네스인 OneDayAgent를 제안한다. OneDayAgent는 개방형 요청을 관리형 실행 프로세스로 전환하여 작업을 경계가 있는 하위 작업으로 분해하고, 컨텍스트 압박 하에서도 실행 메모리를 유지하며, 최종 산출물을 검증하고 수정한다. 우리는 AgentIF-OneDay의 104개 작업에 대해 OneDayAgent를 평가하였다. GLM-5.2 백엔드에서 OneDayAgent는 전체 점수 0.821로 새로운 최고 수준을 달성하였다. 동일한 하네스는 세 가지 모델 계열의 다섯 개 백엔드 LLM에서 작동하며, 이는 동일한 워크플로 하에서 서로 다른 모델이 서로 다른 실행 스타일을 보이더라도 하네스가 튜닝 없이 백엔드 간에 일반화됨을 시사한다.

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.