UT Austin研究：压缩上下文或拖慢LLM智能体

UT Austin 发布针对 LLM 智能体上下文压缩的系统性研究，在 SWE-bench Verified 和 Terminal-Bench 上运行近 35,000 次智能体实验，分别改变压缩方式、触发时机和删除量。研究结论是：节省 token 的上下文压缩可能反而让智能体更慢。 该研究由 UT Austin 完成，实验覆盖编码类智能体任务，关注压缩策略对性能的影响，而非仅看 token 消耗。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。