AutoCompact 训练编程智能体决定何时压缩上下文

AutoCompact 训练编程智能体决定何时压缩上下文、保留哪些工作状态以及如何恢复。评判器会审查基础智能体的压缩决策，并在这些决策执行前替换有缺陷的决策。修正后的轨迹用于监督微调，随后带任务成功奖励的强化学习会同时训练编码和压缩。论文发布在 [arXiv](https://arxiv.org/abs/2610.02163)。

通过率在 SWE-bench Verified 上提高 9.2 点，在 SWE-PolyBench Verified 上提高 5.0 点。即使使用从未溢出的 256K 窗口，这一提升仍然存在，因此当上下文空间不是限制时，学习到的压缩仍然有帮助。作者将这种主动压缩称为模型-执行框架协同设计：执行框架提供压缩机制，而模型学习何时调用它、保留什么以及如何继续。