arXiv cs.AI· Matthias Busch, Marius Tacke, Roland C. Aydin, Christian Feiler, Christian J. Cyron·· 16 小时前AI 评分58
CTXAgent：让 LLM 智能体自主管理上下文
CTXAgent - Self-Controlled Context Management of LLM Agents
AI 导读
arXiv 论文 CTXAgent 研究让模型自行决定何时压缩上下文、保留什么以及如何写交接内容，在 35-212 轮混合任务会话上对比七个前沿模型。多数最强模型能定期压缩与整理，混合会话的实时上下文大多保持在 100k token 以下，基准得分大多没有显著下降。
正文 · AI 翻译
摘要：Agent harness 通过在超过 token 阈值时压缩历史，将长会话保持在上下文窗口内。我们研究了一种替代方案，由模型自行管理上下文：在给定两个工具和一段指导文字的情况下，它决定何时压缩、保留什么以及写什么作为交接内容。由于早期工作发现开放权重模型在没有脚手架的情况下无法自行管理上下文，我们在相同条件下比较了七个前沿模型，在有和没有上下文工具的情况下，比较 token 成本和基准分数，并在其中两个模型上比较了我们的 harness 与三个广泛使用的 harness。该基准由现有基准组装而成：编码练习、多步 SciCode 问题以及 SWE-bench Pro 和 Terminal-Bench 4.0 任务，与植入事实、临时观察和常驻指令交错出现，全部以确定性方式检查，会话长度为 35-212 轮，类似于用户在一个聊天中处理不同任务。大多数最强模型能够管理其上下文：它们定期压缩和整理，混合会话的实时上下文大多保持在 100k token 以下，其基准分数大多没有显著下降。对于上下文管理良好的模型，成本降低是显著的，但因模型而异，因为有些模型压缩过于频繁，导致其他成本增加。使用 Claude Opus 5.5 时，自管理 harness 在任务成功率上与 Claude Code 相当，成本比其显式 200k 窗口配置低 34%，比其默认配置低 49%，且无需选择上下文窗口。我们发布了 agent、基准和所有结果行。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.34425 [cs.AI] |
| （或 arXiv:2610.34425v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.34425 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Matthias Busch [查看电子邮件]
[v1]
2026年10月25日星期日 16:30:56 UTC（742 KB）
来源：arXiv cs.AI · arxiv.org