PRO-LONG 给 LLM agent 加可检索程序化记忆，ARC-AGI-3 提升 18 分
dair_ai · x · 2026-07-24
这篇论文提出 PRO-LONG：一种给 LLM agent 用的最小上下文管理框架，把完整交互日志保存成结构化、可搜索的“程序化记忆”，而不是简单压缩进上下文里。
核心思路
- 保留 agent 看过的全部历史记录
- 需要时用 coding-agent 工具按需检索
- 把 memory 当成可查询数据库，尽量缓解“存得越多、越难找回关键细节”的矛盾
论文结果
- 在完整 ARC-AGI-3 public game set 上，相比基础 coding agent，前沿模型平均提升 18.0 分
- 在某些设置下可达到或超过专用 harness，最高 76.1% pass@1
- 同时使用的 token 数减少 4.2–5.8 倍
- 使用 Fable 5 时，best@2 达到 97.4%，总成本约 $1,750
所属事件:研究提出PRO-LONG框架以优化Agent上下文管理(4 条相关)→
「编程与Agent」频道最新
- 用户用 Claude Code 拆解本田车机：发现 root 后门与静默装 APK — IndraVahan · 2026-10-26
- Claude Code + MCP 接 Google Maps/Apollo/LinkedIn，搭年省万美元的获客引擎 — aryanXmahajan · 2026-10-26
- Karpathy 公布 CLAUDE.md 十条军规，治 AI 编码技术债 — mdancho84 · 2026-10-26
- Agent 时代依赖取舍新标准：省 20 行代码就别引库 — gethackteam · 2026-10-26
- 纯 Rust 开源 GIS 两周狂揽 2000 星，架构为 AI Agent 而生 — giswqs · 2026-10-26
- Vercel Ship 大会一周发 12 项新品，2700 人到场抢 Agent 入口 — FinanceYF5 · 2026-10-26