传统大模型智能体在处理需要数小时甚至数天交互的超长任务时，常因上下文窗口限制而性能骤降。KLong智能体通过创新的训练架构，有效解决了这一难题，为复现学术论文、执行复杂工程等长程任务提供了稳定可靠的解决方案，展示了迈向更高级别自动化的新路径。
智能速览
传统LLM智能体因上下文窗口限制，难以处理超长时程任务。
KLong是专为解决极长任务而设计的开源大模型智能体。
其核心方法是轨迹分拆SFT与渐进式强化学习的结合。
该方法通过分段训练和逐步增加任务时长来提升长程规划能力。
实验证明KLong在论文复现等复杂任务上表现出色。
精华内容
KLong智能体如何突破传统架构枷锁，在长达数天的复杂任务中保持高效与稳定？其背后的训练策略与架构设计揭示了新的可能性。
长任务瓶颈
当前主流的大模型智能体在执行任务时普遍面临“长时程”挑战。它们的设计大多受限于固定的上下文窗口，或者只能处理需要少数几次交互的短任务。然而，在深度研究复现、大型机器学习工程等现实场景中，任务往往需要持续数小时乃至数天，涉及高频次的人机或环境交互。现有的架构在这种长时间运行和连续交互下，性能会急剧衰减，无法胜任复杂度极高的工作。
KLong架构
为攻克此难题，KLong架构采用了双重训练策略。首先是“轨迹分拆SFT”，它将原本超长的任务轨迹拆分成多个段，并在段与段之间保留重叠的上下文信息，以此来适配模型的有限窗口，同时确保信息的连续性。其次，研究团队引入了“渐进式强化学习”（RL），在训练过程中，随着阶段的推移，逐步延长任务的超时时间，让智能体慢慢适应更长周期的决策，从而稳定地提升其长程规划与执行能力。
实验验证
研究团队在PaperBench这一复现学术论文的数据集上对KLong进行了定制化训练，以验证其在多学科知识与复杂终端交互任务中的表现。为此，团队构建了一个包含80多个常用研究包的Kubernetes统一沙箱环境，确保了实验的真实性与可复现性。除了PaperBench，KLong还在SWE-bench Verified、MLE-bench及SEC-bench等多个编码与软件工程基准测试中进行了评估，结果证明了其方法具有良好的泛化性能和实用价值。
KLong通过创新的训练策略，有效解决了大模型智能体在超长时程任务中的性能衰减问题，为复现科研论文等复杂场景提供了可靠方案。这项工作不仅推动了AI智能体在处理现实世界难题上的能力边界，也为未来实现更高程度的自动化与智能化奠定了基础。这种思路能否拓展到更广泛的科学发现与工业生产领域，值得期待。
