AI『公司』跑 1.5 个月只压缩 6 次,论文称基准任务对 compaction 异常友好
maksym_andr · x · 2026-11-18
作者指出,此前引发关注的 AI 自主经营公司 Horizon Labs 整个 1.5 个月的运行只用了一个 Claude Code 订阅,全程仅触发 6 次 compaction(上下文压缩),配合让 agent 每日更新 COMPANYSTATE.md 记录重大事件,即解决了长程任务记忆问题。
配套论文《Benchmarks Are Surprisingly Compaction-Friendly》(arXiv:2610.31778)给出系统研究:
- 固定 OpenCode scaffold,实现 5 种压缩策略,在 PaperBench、ProgramBench、PostTrainBench 上评测三个前沿模型
- 对 1M 上下文模型,压缩阈值对任务表现无可测影响;上下文最小的 GPT-5.3-Codex 在低阈值下表现变差
- 没有任何压缩方法优于默认的自我摘要;丢弃更多内容的方法会让部分模型最多掉 20 分
- 隐患:压缩会悄悄丢任务约束——ProgramBench 上第一次压缩摘要平均就丢掉约三分之一的防作弊规则,且随压缩次数单调上升
作者结论:多数自然任务是「压缩友好」的,compaction + 外部记忆已经实用化地解决了持续学习问题,不需要专门攻关。
「编程与Agent」频道最新
- 一张画变 30 米行走机器人:AnyMachine 用 agent 造出 160 部件机械 rig — bennash · 2026-11-18
- SilentGuard 论文:把 API 静默失败拦截在 harness 层,错误率 74% 降至 1.7% — Genentech · 2026-11-18
- GPT-6.2 Astra 与 Sol 发布,实测对比 Claude Fable 5.2 视觉编码能力 — arena · 2026-11-18
- 开发者实测 Runway MCP:直接在编码工具里调用视频生成 — tlakomy · 2026-11-18
- 早期测试者用 GPT-6.2 Sol 做出 16v16 二战浏览器游戏《Omaha Front》 — VraserX · 2026-11-18
- PowerShell 一条 New-AgentHarness 命令搭建 OpenAI 模型 Agent — dfinke · 2026-11-18