面向长程智能体高效压缩的证据感知上下文缩减方法
针对长程智能体因累积大量交互历史导致上下文和推理成本高昂的问题，该研究指出仅依据几何冗余进行压缩并不安全。实验发现，即便全局几何特征高度相似，所保留的关键任务证据也可能存在巨大差异。基于此提出的证据感知选择机制，在相同数据块保留量且质心相似度达0.98的前提下，将下一步动作Top-3保留率从0.31大幅提升至0.69，有效保障了智能体压缩后的决策性能。
推荐理由该研究针对长程智能体上下文爆炸与推理成本痛点，提出了兼顾几何结构与任务证据的高效压缩新策略。
原标题：Stable Geometry with Divergent Task Evidence for Efficient Long-Horizon Agent Compression
阅读 arXiv 人工智能 原文 ↗