面向长时程SWE Agent的上下文管理

Research Paper#Software Engineering, LLMs, Context Management🔬 Research|分析: 2026年1月3日 20:12•
发布: 2025年12月26日 17:15
•
1分で読める
•ArXiv

分析

本文解决了基于LLM的代理在执行长期软件工程任务时面临的关键挑战：上下文管理。核心贡献是CAT，一种新的上下文管理范式，它主动将历史轨迹压缩成可操作的摘要。这是一项重大进步，因为它解决了上下文爆炸和语义漂移的问题，这些是代理在复杂、长期交互中性能的主要瓶颈。所提出的CAT-GENERATOR框架和SWE-Compressor模型提供了具体的实现，并在SWE-Bench-Verified基准测试中展示了改进的性能。
引用 / 来源
查看原文
"SWE-Compressor reaches a 57.6% solved rate and significantly outperforms ReAct-based agents and static compression baselines, while maintaining stable and scalable long-horizon reasoning under a bounded context budget."
A
ArXiv2025年12月26日 17:15
* 根据版权法第32条进行合法引用。
较旧

Emotion classification using EEG headset signals and Random Forest

较新

Unlocking klockmannite: formation of colloidal quasi-2D CuSe nanocrystals and photo-physical properties arising from crystal anisotropy

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv