让 AI 改一个小错误，它可能很利落；让它连续工作几小时，它却可能忘掉早先决定、偏离目标，甚至把半成品当成完成。这篇综述把这种“单步会做、长程做不完”的落差称为“长程断层”。长程任务是许多步骤彼此牵连的任务；Agent 则是在语言模型外加工具、记忆和执行循环，让它能持续行动。
作者梳理了 2024—2026 年的 1,547 篇 arXiv 论文，指出故障不能笼统归为“推理不够强”：规划负责拆步骤，记忆保存状态，执行负责落实与出错恢复，训练塑造多步行为，评测则判断任务是否真的完成。五环任何一处失守，最后都可能失败。更关键的共同趋势是：任务越长，只看最终成败或给一次总奖励，信息越少；研究者因此转向检查整条行动轨迹，为每一步提供更密集的反馈。作者也提醒，模型本身和外围执行系统各贡献多少能力，以及训练与评测是否共享同一种偏见，仍未解决。