LongHarness 让 GLM-5.3-Flash 在 OfficeQA Pro V2 上从 4.4% 提到 61.1%

一篇论文提出模型无关的长文本 harness LongHarness，专为 1 亿 token 以上语料设计。GLM-5.3-Flash 搭载后在 OfficeQA Pro V2 的 exact match 从 4.4% 升至 61.1%，作者确认提升完全来自 harness。原因是它把证据和结论作为显式状态存储，用开放结论决定下一步检索，而非混在一个不断膨胀的聊天历史里。同一基准上，它比 Claude Code 高 12.1 个百分点（V1），比 Codex 高 18.9 个百分点（V2）。