SWE-chat

上下文压缩影响LLM代理，降低约束和指令

一篇新的arXiv论文探讨了上下文压缩对大型语言模型代理的影响，特别是在超出其上下文窗口的长期任务中。研究人员发现，虽然压缩策略对具有大型上下文窗口（如1M上下文）的模型任务性能没有显著影响，但像GPT-5.3-Codex这样窗口较小的模型，性能有所下降。研究还表明，压缩方法可能会悄悄丢弃关键的任务约束和指令，代理平均会丢失约三分之一的反作弊规则，并且经常丢弃操作指南而非内容规范。