评分 6 · 来源：cs.CL updates on arXiv.org · 发布于 2026-04-22
评分依据：解决长程agent任务中token成本二次增长问题，通过观测上下文压缩减少冗余。方向好但方法偏incremental
核心挑战
随着模型能力提升，研究越来越多转向长时域多轮终端agent任务。原始环境反馈被保留在交互历史中以支持未来决策，但反复保留此类反馈引入大量冗余，导致累积token成本随步数二次增长。
解决方案
提出自演化框架，通过观测上下文压缩（Observational Context Compression）自动识别和压缩冗余环境反馈。
关键特性
- 自适应压缩策略随任务演化
- 保持对未来决策关键的信息完整性
- 显著降低长程任务的token消耗
适用场景
终端自动化、DevOps agent、长期运行的编程agent等需要大量环境交互的场景。