GitHub-радар
LongHorizon-Harness: Claude Code доводит задачи до конца
Слой выполнения и верификации от команды AMAP-ML, который оборачивает Claude Code и Codex и поднимает процент выполненных задач с ~50% до ~80% на тестах. Занял первое место в недельном рейтинге Hugging Face Daily Papers.
LongHorizon-Harness — это фреймворк с открытым исходным кодом для управления состоянием и выполнением, который разработала команда AMAP-ML, чтобы работать поверх других инструментов, таких как Claude Code CLI / Codex CLI. Он поддерживает роли Manager, Executor и Auditor, которые разделяют твоё знание о том, чего ты хочешь достичь (цель), и твою проверенную историю, и выполняет каждый шаг с чистым контекстом, проверяя результат перед тем, как добавить его в проверенную историю. LongHorizon-Harness повышает долю успешных задач в WeaveBench с ~50% до ~80%. Он также утраивает долю полностью выполненных desktop-задач в OSWorld 2.0. LongHorizon-Harness занял 1-е место в еженедельном рейтинге Daily Papers на Hugging Face 6 августа 2026 года.
Зачем это вайб-кодеру
LongHorizon-Harness даёт тебе организационную структуру для управления проверенной историей при создании всё более сложных вещей с одной и той же моделью — например, написание кода, тестирование, отладку, деплой и так далее…
▌ Ещё находки