SKILL.state
PulseAugur coverage of SKILL.state — every cluster mentioning SKILL.state across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI代理通过跟踪状态而非历史，可节省94%的代币
一篇题为SKILL.state的新预印本，由Google LLC和普渡大学的研究人员撰写，提出了一种AI代理通过跟踪状态而非历史来更有效地管理其内存的方法。这种方法显著减少了代币使用量，一项实验显示与有状态基线相比，累积代币减少了16.2倍。研究表明，维护结构化状态，而不是依赖历史上下文或摘要，可以在相同的代币预算下实现更高的准确性。
-
LLM代理通过跟踪状态而非历史来削减token使用量 · 跟踪1个来源
最近的一篇预印本SKILL.state，引入了一种新颖的LLM代理记忆管理方法，通过跟踪结构化状态而非对话历史，显著减少了token使用量。该方法在包括合成仓库环境和InterCode CTF在内的各种基准测试中进行了测试，与传统的基于历史的方法相比，token减少高达94%。研究强调，这种状态跟踪方法不仅节省了成本，还提高了准确性，在同等预算下，结构化状态的准确率为0.94，而上限摘要的准确率为0.52。
-
开放权重模型取得进展，Agent工程在研究和教育领域获得关注
近期AI新闻重点关注开放权重模型和Agent工程的进展。DeepSeek V4 Flash Vision权重现已开放，提供可与领先模型媲美的视觉能力。GLM-5.3 Flash在Agent基准测试中表现强劲，成功率和成本效益显著。腾讯的Hy4 Preview，一个大型MoE模型，在Agent能力和稳定性方面也显示出显著进展。在教育领域，斯坦福大学正通过新课程正式推进AI原生软件工程，重点关注Agent构建和面向系统的开发，超越了简单的提示。