LongHorizon-Harness长程代理评测

论文提出面向真实任务的长程代理测试框架。

推荐理由：长程代理瓶颈在任务持续性、工具调用和错误恢复；若该Harness贴近真实任务，可比短基准更有效暴露代理工程化短板。