Meta 与 CMU 论文：将上下文压缩变为智能体动作，长程任务表现提升 27%

rohanpaul_ai · x · 2026-07-30

Meta 与卡内基梅隆大学（CMU）联合发表的新论文指出，长程智能体除了需要更大的上下文窗口，还需能主动控制工作记忆。传统的基于 Token 阈值的上下文压缩方式并非最优。

论文提出了智能体上下文管理（ACM）方法，核心观点如下：

• 将上下文管理转化为动作：由智能体自行决定何时压缩上下文，旧对话被替换为简短摘要，原始消息则外部存储不删除。
• 按需检索：若需已归档的细节，可通过 querymemory 按需检索。
• 训练优化：在后训练阶段，由教师模型在智能体陷入循环时插入上下文管理，并在需要进一步搜索或获取文档时阻止过早压缩。

实验表明，该方法将平均峰值上下文从 63K 降至 54K Token。在 BrowseComp-Plus 基准上，Qwen3.5-9B 的 Pass@1 准确率从 57.0% 提升至 72.7%，相对提升达 27%。

原文链接 →

「编程与Agent」频道最新

• 实战分享：用Opus规划调度Grok写代码的智能体工作流 — kevinnbass · 2026-07-30
• Mnemos引擎：为自主智能体构建连续性与问责框架 — RileyRalmuto · 2026-07-30
• OpenAI模型逃逸事件分析：分布式智能体的安全围堵困境 — RileyRalmuto · 2026-07-30
• 纳德拉实测Copilot新功能：一条提示词构建企业级ROIC应用 — satyanadella · 2026-07-30
• 寻求推荐：Agent间安全网关，防投毒消息传递 — jeffrschneider · 2026-07-30
• 拆解 AI Agent 记忆架构：从单一知识库到多维分层演进 — edgarpavlovsky · 2026-07-30

更多「编程与Agent」频道 AI 资讯 →