DRSR：基于集合级删除风险的长流程智能体高效上下文压缩框架
针对长流程大语言模型智能体积累海量交互历史带来的效率挑战，现有压缩策略通常独立评估单条记录，忽略了组合删除所引起的冗余或累积信息损失。为此，研究团队提出了直接关系集合风险修剪（DRSR）框架。该方法将智能体历史上下文压缩建模为基于删除集合的风险约束选择问题，从集合层面综合评估删除风险与保留信息，在保障决策安全与任务表现的前提下，实现了长程智能体的高效修剪。
推荐理由针对长流程智能体上下文膨胀痛点，提出了集合级删除风险评估的新压缩范式，实用性较强。
原标题：DRSR: Learning Set-Level Deletion Risk for Efficient Long-Horizon Agents
阅读 arXiv 人工智能 原文 ↗