新论文：压缩不影响前沿基准成绩,但真实会话中仍是 agent 短板

maksym_andr · x · 2026-10-31

一项新研究测试了 compaction（上下文压缩）对 agent 性能的影响，结论是：在 PaperBench、ProgramBench、PostTrainBench 等前沿基准上，压缩几乎不影响成绩——这些任务意外地「压缩友好」，agent 通常能通过 AGENTS.md、代码仓库、网页搜索等从环境中重建丢失的信息。

但为什么实践中很多人觉得压缩有害？作者的解释是：真实用户会话中，用户会持续输入大量约束和偏好，agent 目前难以持续追踪这些信息。Jeffrey Ma 评论称这解释了模型为何让人感觉「benchmaxxed」：SWE 评测非常马尔可夫式，代码库本身就是 agent 记忆，天然利于压缩；而真实 agent 使用是多轮、部分可观测的，需求会随执行被推翻。