NVIDIA论文：智能体频繁压缩历史几乎不损精度

NVIDIA 发表的一篇论文称，AI 智能体频繁压缩历史、保持短上下文时，精度几乎不下降。论文在 6 个长周期基准上测试，每个模型 22 种压缩设置中，最多 5 种比使用完整历史低超过 2 分；每步动作后都压缩时，Claude Opus 4.5 在 SWE-bench Verified 上为 70.2%，完整历史为 70.0%。 论文采用的做法是：让智能体在达到设定上限时停下，写一段简短交接笔记，然后只带任务和该笔记重启；处理长文档时，智能体用 Bash 工具搜索文件，而非一次读完全部内容。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。