Agentic Context Management 相关 AI 资讯 · AITOP · AI热报

7月25日

07:55

07:55

elvis@omarsar0

论文提出Agentic Context Management框架，将上下文管理分解为五个原语：架构、注入、范围、预测和压缩。传统的累积式上下文管理使token成本随对话长度平方增长，而粗粒度的摘要化虽使成本线性但精度下降。该框架通过基于保真度验证的压缩，在LongMemEval上达到92%，在LoCoMo上达到93.2%。该研究为生产环境中智能体的上下文管理提供了结构化方法。

论文 Agentic Context Management LongMemEval LoCoMo

推荐理由：这篇新论文把智能体常栽跟头的上下文问题拆成五个可操作的原语，还给出了验证方案，在LongMemEval和LoCoMo上分别跑了92%和93.2%。

7月24日

10:29

10:29

官方账号arXiv cs.AI@Gaurav Dadhich

该论文将AI代理的上下文管理重新定义为生命周期问题，而非简单存储检索。作者提出五原语：架构化、摄取、范围化、预期、压缩与整合。参考实现Maximem Synap在LongMemEval基准上得92%，在LoCoMo上得93.2%。论文还指出现有基准未覆盖延迟、token效率和上下文旋转抗性等维度。

论文 Agentic Context Management Maximem Synap LongMemEval

推荐理由：这篇论文把AI代理失效的真正原因讲透了——不是推理不行，而是管不住上下文。还给了个参考实现，LongMemEval和LoCoMo成绩都90%以上。