微软 FOCUS 论文:测试时压缩 Agent 上下文,峰值砍 48%
dair_ai · x · 2026-10-02
微软新论文提出 FOCUS，一种测试时的 Agent 上下文压缩方法：
- 思路：判断 Agent 的下一步决策实际依赖哪些历史交互单元，只保留这些、丢弃其余
- 零训练：无需训练数据或微调，可作为独立层套在闭源 API 模型前面使用
- 效果：在工具调用、QA、网页和多轮对话基准上，峰值上下文最多降低 48%，任务成功率相比使用完整历史最高提升 8.9 个百分点
如果你的 Agent 随交互历史变长而表现变差，这个方法值得一试。
「编程与Agent」频道最新
- MCP 权威 mitsuhiko 出任 Earendil 首席 MCPO,将炮轰 elicitation — mitsuhiko · 2026-10-02
- Armin Ronacher 出任 Earendil 首席 MCP 官，将连发 MCP 锐评 — mitsuhiko · 2026-10-02
- ProVer 论文:让 LLM 裁判定位关键步骤,Agent RL 超 GRPO 9.9% — omarsar0 · 2026-10-02
- 无制作团队:Opus 5.5 用 Claude Code Skill 包办 3 分半 MV 全流程 — FinanceYF5 · 2026-10-02
- 数千 Markdown 文件+Agent 本地跑通,团队共享却成难题 — Petr275 · 2026-10-02
- OpenAI 发布 Dots 后开源版 Open-Dots 即刻上线，可自部署兼容任意 LLM — FinanceYF5 · 2026-10-02