研究团队提出多轮对话上下文管理方法AC3
Start here
2026年11月，针对大语言模型在多轮人机对话中面临的上下文污染问题，研究团队提出了一种无需训练的智能体对话上下文整理方法AC3。该方法通过引入独立的分析器，仅从用户消息中整合任务规范并编辑重构上下文，在结构上排除了历史助手回复，以防止错误信息的传染。实验评估显示，AC3在Lost in Conversation基准测试中弥合了55%至84%的性能差距；同时在WildChat真实对话场景下，该方法获得了GPT-5-mini裁判的更优评价。
AI-generated from reports · Updated 1 day ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能面向多轮人机对话的智能体上下文管理
为解决大语言模型在多轮对话中的上下文污染问题，研究提出无需训练的智能体对话上下文整理方法 AC3。该方法通过独立分析器仅从用户消息整合任务规范并编辑重构上下文，在结构上排除历史助手回复以防错误传染。实验显示，AC3 在 Lost in Conversation 基准上弥合了 55-84% 的性能差距，并在 WildChat 真实对话中获得 GPT-5-mini 裁判的更优评价。
Story heat trend
Current heat 5·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.