论文：把推理历史改写成压缩状态记录，可降 Agent 后续 token 成本

Anton Hristov · hf · 2026-11-05

Anton Hristov 的论文研究推理历史压缩对模型后续生成的因果影响：无需重训，只需把冗长的推理轨迹改写成紧凑的状态记录，就能显著缩短开源权重模型后续推理长度、降低 token 开销。作者受 GPT-5.5（OpenAI 称其用更少 token 取得更好编码表现）疑似采用紧凑 scratchpad 的传闻启发，在可观测的开源模型上做了因果实验，验证了“压缩历史而非全量携带”对效率的价值，对 Agent 成本优化有直接参考意义。