PAIR 论文分析上下文压缩对长程智能体的损害并改进压缩提示词

上下文压缩是长时间运行的智能体的一大瓶颈。

这项研究发现，上下文压缩会在几个特定节点损害长时程智能体的表现。

他们提出了 PAIR，它会从同一状态出发，分别在有压缩和无压缩的情况下重放智能体，而不是对比那些在许多随机因素上都不同的完整运行。

典型的压缩会增加几个额外步骤。成功率的大幅下降来自少数几次压缩事件。

有害的压缩会丢弃智能体尚未解决的任务条件。在一个 Venmo 任务中，摘要丢掉了"仅限同事"这个过滤器，并把全部 36 笔付款的总额当作答案报告出来。

其他压缩会把智能体已经读过的 API 规格缩减成模糊的文字，导致智能体重新打开文档并再次登录，这大约会增加五步。

PAIR 随后诊断这些压缩丢弃了哪些信息，并重写压缩提示中对应的部分。智能体、压缩模型和工具都保持不变。

在 AppWorld、OfficeBench 和 tau-Bench Retail 上，它在所有压缩方法中给出了最稳定一致的任务完成率，接近完全不压缩时的表现。

在让任务变得无法完成之前，压缩就会降低多次运行之间的一致性，所以在你自己的评测中要检查重复运行的一致性。

论文：arxiv.org/abs/2609.36526

与论文对话：academy.dair.ai/papers/adapt…