Berkeley 的 ABBEL 让智能体用分级信念状态替代完整历史
berkeley_ai · x · 2026-07-27
Berkeley 提出 ABBEL，让智能体用“信念状态”替代无穷历史
这篇新工作指出：随着任务跨度变长，LLM 的上下文窗口不可能无限扩展，单纯把所有历史都塞进去并不是长程智能体的可持续方案。
他们提出 ABBEL：训练智能体维护一种分级的自然语言信念状态，而不是被完整历史拖垮。核心思路是把已知信息压缩成结构化的“信念”，让长任务中的记忆与决策更可控。
「编程与Agent」频道最新
- 用 MCP 把 Blender 接 Claude，一小时做出游戏原型 — danbri · 2026-07-27
- Anthropic 推出 Claude 工作流套件：缓存、代码、设计、技能和定时任务 — aitrendz_xyz · 2026-07-27
- Anthropic 称 Prompt Caching 可把重复上下文成本降至九折 — aitrendz_xyz · 2026-07-27
- Claude Design 面向提案和原型，可导出 PPTX 与 HTML — aitrendz_xyz · 2026-07-27
- CLAUDE.md 让项目规则、文风和术语跨会话生效 — aitrendz_xyz · 2026-07-27
- Anthropic 的 Skills 把能力打包，任务匹配就自动启用 — aitrendz_xyz · 2026-07-27