arXiv cs.AIYubo Ruan
论文
Folio: Recoverable Multi-Resolution Context Folding for Long-Horizon Language Agents
AI 摘要
研究者提出 Folio,一种面向长任务语言智能体的上下文管理器。它不依赖模型反复重写历史摘要,而是在运行时记录三层关联信息(模型回复中的简短笔记、运行时写入的调用清单、原始记录),并按新旧程度程序化折叠为更粗粒度视图,同时保留可检索的句柄,使恢复工具能按需取回证据。在 75 项 LOCA-bench 任务上,统一使用 DeepSeek-V4-Pro 时,Folio 完成 66 项,优于同一运行时配合模型摘要的 54 项,也高于 Claude Code、Codex 和 SoL-Pi 的 49 至 59 项;耗时约为后者一半,成本比模型摘要方案低 2.4 倍,单次折叠中位耗时 0.6 秒。
简评
智能体干长活时,记忆塞满就得压缩,过去靠模型反复重写摘要,既慢又贵还容易丢细节。Folio 改用程序化折叠并保留可回查的原始记录,让智能体在更少时间和成本下完成更多任务,意味着长流程自动化正从堆模型转向管好记忆。
- 智能体
- 上下文管理
- 长任务
- 效率
本站只提供模型生成的摘要,不转载原文。 完整内容请前往原始出处阅读。
阅读原文 ↗