Долгие агентные задачи: чем длиннее работа, тем раньше агент сдаётся и тем меньше его «готово» стоит

Обнаружено: на длинных задачах агент не упирается в лимит инструментов, он сам объявляет «готово». Фишка: агент не «кончил ресурсы», он решил, что закончил. Среди неудачных финальных ответов на самых длинных задачах больше половины — это меньше 25% выполненных целей и больше половины неистраченных вызовов инструментов. Исследование SkillHorizon (7 деловых сред, 5 моделей) позволяет понять, когда агенту нельзя верить на слово и чем заменить его «готово». Доля выполненных локальных целей падает с ~90% на коротких задачах до 47% на самых длинных, а приёмка итога целиком падает ещё сильнее.