CarryOn:长程LLM Agent上下文管理方法
热点事件持续更新
CarryOn:长程LLM Agent上下文管理方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Lihuan Li 等作者在 arXiv 论文(arXiv:2611.17808)中提出 CarryOn,一个无需额外 LLM 调用的轻量上下文管理器,用于管理长程 LLM 智能体的上下文。它将紧凑的执行状态与细粒度、带来源链接的证据配对,通过学习型选择器和自适应保留策略来决定保留内容。 论文称,在 AppWorld、OfficeBench 和 Tau2 Telecom 三个基准上搭配三种 LLM Actor 测试,CarryOn 取得 75.7% 的宏平均任务成功率,超过最强基线 6.7 个百分点;论文同时提出了 Sα 和 NCS 两个评估指标。
AI 根据报道生成 · 3 小时前更新
最新进展11月16日 13:00
CarryOn:为长程 LLM 智能体学习上下文保留策略报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- arXiv cs.AICarryOn:为长程 LLM 智能体学习上下文保留策略
arXiv 论文提出 CarryOn,一个轻量级上下文管理器,将紧凑的执行状态与细粒度、带来源链接的证据配对,通过学习型选择器和自适应保留策略管理长程 LLM 智能体的上下文,无需额外的 LLM 调用。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月16日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。