PRO-LONG 用无损记忆让 coding agent 提升 18 分
burny_tech · x · 2026-07-29
PRO-LONG 提出一种面向长程 agent 的程序化记忆：把完整交互轨迹保留为结构化日志，再让 agent 用 grep、正则和 Python 去检索。论文称，在 ARC-AGI-3 上，它让基础 coding agent 平均提升 18 个点，同时比专门的 harness 省 4.2–5.8 倍 token。
作者认为，基于摘要的记忆会丢失后续任务仍可能需要的细节；相比之下，保留可搜索的完整轨迹，能让长上下文推理更可靠、也更省成本。
所属事件:PRO-LONG 记忆框架以低成本拿下 ARC-AGI-3 高分(3 条相关)→
「编程与Agent」频道最新
- Drew Breunig：写 Agent 指令更像立法，而非下棋 — dbreunig · 2026-09-23
- Seroter 日报：GPT-6 与 Opus 5.5 同日发布，1/4 智能体无人监控 — rseroter · 2026-09-23
- 让 Claude 自动开终端面板装依赖，作者称 tmux 做不到 — letandrewcook · 2026-09-23
- 两小时做出幼儿互动绘本：Agent 访谈式工作流走红 — mimi10v3 · 2026-09-23
- Ben Lorica：Agent 让数据栈不再容忍旧数据，「相关」不够要「实时为真」 — bigdata · 2026-09-23
- 观点：软件正从"被人操作"变为"自己会用软件" — r0ck3t23 · 2026-09-23