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%。
「编程与Agent」频道最新
- 开发者给 MCP 服务器加 Google Merchant Center,并对比官方版差异 — DutchSEOnerd · 2026-10-16
- 开发者晒沙粒自动修复组件：弄乱沙子会自动复原 — prasenx · 2026-10-16
- Agent 何时需要 API 网关：Reddit 热议直连与统一接口的分界线 — TurbulentStiffness · 2026-10-16
- 开源工具 optimAIzr 逐轮追踪 Claude Code/Codex token 浪费 — stichstichstich · 2026-10-16
- 本地部署实测:Gemma 4、Llama 3 与 Mistral 工具调用能力横评 — leslysandra · 2026-10-16
- 多 agent 指挥工具 Harness 冲上 Product Hunt 第 2 名 — dee_hw · 2026-10-16