AutoCompact 教智能体自己决定何时压缩上下文,SWE-bench 提升 9.2 分
omarsar0 · x · 2026-10-04
Elvis Saravia 指出一个新趋势:从 AutoHarness、AutoContext 到 AutoCompact,越来越多工作在训练模型原生支持原本由外部 harness 承担的能力。
AutoCompact 的做法
- 训练智能体自主决定:何时压缩上下文、保留哪些工作状态、如何恢复任务。
- 一个 judge 先审查基础智能体的压缩决策,在执行前替换有缺陷的决策;修正后的轨迹用于 SFT,再用任务成功率奖励做 RL,把编码与压缩能力联合训练。
效果
- SWE-bench Verified 通过率提升 9.2 分,SWE-PolyBench Verified 提升 5.0 分。
- 即使在 256K 上下文从不溢出的条件下收益依然成立,说明「学会压缩」并非仅在上下文不够时才有用。
作者还提到这与 Meta 新论文「训练模型原生管理上下文」思路相似,并追问这种方法的局限何在。
所属事件:AutoCompact 让智能体自主决定上下文压缩,模型正接管框架功能(2 条相关)→
「编程与Agent」频道最新
- ANT 上市前夜数据:Claude Code 一年反超 Cursor 和 Copilot — antgoldbloom · 2026-11-19
- 开发者向 GKE 沙箱项目提 PR:定期 checkpoint 防 agent 进度丢失 — yoimnotkesku · 2026-11-19
- AWS AgentCore Identity 支持私有 CA,Agent 可直连内网自建 IdP — AWS ML Blog · 2026-11-19
- Orchestrator Cloud Agents 结束测试正式上线 — julianweisser · 2026-11-19
- 开发者开源企业级 Agent 审计追踪模型:10 个数据模型找安全工程师挑刺 — TheHamzaShahbaz · 2026-11-19
- She 用 Claude Code 自制大头贴机:举手倒计时自动出照片条 — toolstelegraph · 2026-11-19