arXiv 人工智能· Zexuan Liu, Yuning Yang, Tiancheng Zhao·· 8 小时前AI 评分44
面向 LLM Agent 的常驻上下文筛选：基于截断反馈的有容量约束选品模型
Curating Always-Loaded Context for LLM Agents: A Capacitated Assortment Model with Censored Feedback
AI 导读
该研究将 LLM Agent 常驻上下文的整理建模为有容量约束的选品问题，证明无论候选指令数量多少，最优文件大小均存在理论上限，盲目追加指令的净价值远低于筛选最优子集。在反馈天然受截断的设定下，研究指出直接删除被 Agent 忽略的指令可能误删有益指令，实证亦证实引入无关规则会降低大语言模型的依从度。
来源：arXiv 人工智能 · arxiv.org