上下文压缩会丢失83%的长期指令，新评估套件揭示Agent记忆缺陷

dair_ai · x · 2026-08-13

当前大模型智能体（Agent）在处理长对话时普遍使用上下文压缩来节省 token，但一项新研究揭示了其致命缺陷：现有的压缩工具平均会默默丢弃高达 83% 的“会话约束”。

会话约束是指用户在对话中设定的长期生效指令（例如“在我确认前不要删除任何邮件”）。研究团队推出了专门的评估套件 COMPINT，在多轮对话、智能体轨迹和长程研究三种场景下进行了测试。结果显示，经过压缩后，任务完成度甚至不如完全不使用压缩。

研究指出，指令的保留率受压缩算法、提示词、上下文长度及约束注入位置等多种结构性因素影响。好消息是，修复方案很简单：在压缩工具旁并行运行一个“会话约束感知提取器”，即可在不修改原模型和压缩工具的前提下，将保留率恢复至 90% 以上。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →