arXiv cs.AI· Jan-Peter Franke·· 9 天前AI 评分24
工具调用智能体的可控遗忘：可逆上下文精简实践
Agent-Controlled Forgetting for Tool-Using Agents: Reversible Context Curation in Practice
AI 导读
研究提出"智能体可控遗忘"方法：由模型自行选择已观察到的工具结果，在原位置替换为简短备注，并将原始内容存入可恢复归档，无需任务特定训练。
正文 · AI 翻译
摘要：使用工具的智能体会反复携带观察结果，而这些观察结果的有用内容可能远小于其原始载荷。我们研究智能体控制的遗忘：行动模型选择先前观察到的工具结果，将每个结果替换为位于其原始位置的简短备注，并将精确的原始内容保留在可恢复的存档中。一个 Python 测试框架提供批量归档和显式恢复，无需针对特定任务进行模型训练，同时保护用户指令和助手消息不受这些操作影响。在一个探索性 OpenTelemetry 调试案例及随后的一个无关实现任务中，该方法最终使用 231,951 个提供商报告的提示词 token，而保留历史记录下为 912,492 个，累计输入 token 减少了 50%，估计 API 成本为 1.28–1.44 美元，而后者约为 4.38 美元。两组均通过了两个案例的主要行为判定；两者都未完全满足后续评估。该方法发出了更多请求，耗时增加了 17%。一组对比性的应用开发任务未产生上下文或成本节省，而较早的一次续写尽管上下文减少，但人工评估的质量更低。这些观察结果表明，在嘈杂的工具使用轨迹中可实现可观的资源节省，并确定工作负载依赖性是可逆上下文管理的核心考量因素。
| 评论： | 13 页，1 幅图。代码与研究工件：此 https URL |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.10590 [cs.AI] |
| （或 arXiv:2610.10590v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.10590 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Jan-Peter Franke [查看电子邮件]
[v1]
2026 年 10 月 6 日星期二 18:13:48 UTC（38 KB）
来源：arXiv cs.AI · arxiv.org