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
「编程与Agent」频道最新
- Databricks Genie 以 MCP 接入 LangGraph，并部署到 Azure ML — Cautious-Meringue554 · 2026-07-24
- PenguinHarness 开源 TypeScript Agent 工具，称可把 RAG 做到 0.02 美元 — RepulsiveBad8681 · 2026-07-24
- MCPForge 给公开 MCP 服务器做安全、合规与质量评分 — Competitive_Ad_1228 · 2026-07-24
- 两名工程师靠仓库知识图谱，3.5 个月重建 FedEx 供应商平台 — alex_verem · 2026-07-24
- Superwall 让 Claude agent 改设计后，为 WWDC.ai 上线浅色模式 — JordanMorgan10 · 2026-07-24
- Agent 系统成本成瓶颈，配置差距接近 1000 倍 — abeirami · 2026-07-24